基于核自适应滤波器的时间序列在线预测研究

发布时间：2024-01-19 15:23

　　时间序列作为一种按照时间顺序排列的数据序列集合,已经广泛存在于水文、气象、环境、医疗、交通、金融等诸多领域。对时间序列潜在的信息和规律进行提取、分析、预测,已经成为分析非线性系统动态演变规律及未来变化趋势的重要途径,也对人类的生产、生活具有重要的指导意义。许多复杂的非线性系统所产生的时间序列都含有未知噪声并具有时变特性,因此如何随着数据量的增加建立实时有效并能够反映时间序列演变规律的在线预测方法已经成为时间序列预测研究的重点。本文以基于核自适应滤波器的时间序列在线预测为题进行研究,针对于含有噪声并具有时变特性的时间序列,设计合适的在线预测模型,提升计算效率和预测精度,并增强抗噪能力和在线预测能力。核自适应滤波器是一类典型的在线预测方法,其中核递归最小二乘方法是核自适应滤波器的代表性方法。首先,针对于核递归最小二乘方法的计算复杂度、内存占用量随时间序列样本量的增加而增加的问题,以及对时变特性跟踪较弱的问题,提出自适应动态调整核递归最小二乘方法。在字典的更新过程中,该方法采用近似线性依赖和固定预算共同判别新样本的取舍,该过程保留对预测贡献较大的样本,从而达到约束核矩阵阶数规模的目的,提高方...

【文章页数】：71 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景及研究意义
    1.2 国内外研究现状
        1.2.1 动态神经网络
        1.2.2 在线支持向量回归
        1.2.3 核自适应滤波器
    1.3 主要研究内容与结构
2 基于自适应动态调整KRLS方法的时间序列在线预测研究
    2.1 KRLS方法的基本原理及研究进展
        2.1.1 KRLS方法的基本原理
        2.1.2 KRLS方法的研究进展
    2.2 自适应动态调整KRLS方法基本原理
        2.2.1 FB-KRLS的基本原理
        2.2.2 动态调整的原理
        2.2.3 自适应动态调整KRLS方法
    2.3 基于自适应动态调整KRLS方法的在线预测仿真实例
        2.3.1 Lorenz时间序列在线预测
        2.3.2 大连月平均气象时间序列在线预测
    2.4 本章小结
3 基于动态自适应稀疏KRLS方法的时间序列在线预测研究
    3.1 ALD-KRLS方法的基本原理
        3.1.1 ALD的基本原理
        3.1.2 ALD-KRLS方法
    3.2 动态自适应稀疏KRLS方法的基本原理
        3.2.1 最大相关熵的基本原理
        3.2.2 矢量投影的基本原理
        3.2.3 动态自适应稀疏KRLS方法
    3.3 基于动态自适应稀疏KRLS方法的在线预测仿真实例
        3.3.1 含噪Lorenz时间序列在线预测
        3.3.2 北京AQI时间序列在线预测
        3.3.3 上海AQI时间序列在线预测
    3.4 本章小结
4 基于随机投影的自适应稀疏KRLS方法的时间序列在线预测研究
    4.1 SW-KRLS方法的基本原理
        4.1.1 滑动窗口的基本原理
        4.1.2 SW-KRLS方法
    4.2 基于随机投影的自适应稀疏KRLS方法的基本原理
        4.2.1 随机投影的基本原理
        4.2.2 改进的动态调整原理
        4.2.3 基于随机投影的自适应稀疏KRLS方法
    4.3 基于随机投影的自适应稀疏KRLS方法的在线预测仿真实例
        4.3.1 太阳黑子-黄河年径流时间序列在线预测
        4.3.2 大连月平均气温时间序列在线预测
    4.4 本章小结
结论
参考文献
攻读硕士学位期间参与项目情况
攻读硕士学位期间发表学术论文情况
致谢



本文编号：3880036