具有長短周期的非線性動力系統(tǒng)混合模型的建立及其應(yīng)用.pdf

1、人工神經(jīng)網(wǎng)絡(luò)的研究已有近半個世紀的歷史，在最近幾年里，我國在人工神經(jīng)網(wǎng)絡(luò)方面的研究取得了不少成果，本文主要研究神經(jīng)網(wǎng)絡(luò)在非線性時間序列預(yù)測方面的應(yīng)用。非線性模型由于權(quán)值過多易產(chǎn)生過適應(yīng)現(xiàn)象，本文針對此問題，提出一種選擇構(gòu)建最優(yōu)模型的神經(jīng)因子數(shù)的新方法。另外，本文還對同時具有長、短周期性質(zhì)的非線性動力系統(tǒng)進行預(yù)測分析，傳統(tǒng)單一模型限制了神經(jīng)網(wǎng)絡(luò)在預(yù)測較復(fù)雜非線性時間序列方面的應(yīng)用。
　　本課題研究的目的在于解決神經(jīng)網(wǎng)絡(luò)預(yù)測同時具有長

2、、短周期的非線性動力系統(tǒng)的問題，并以優(yōu)化單一模型為出發(fā)點，建立混合模型為創(chuàng)新點，最終達到模型優(yōu)化的目的。在此過程中，對于單一模型的過適應(yīng)問題我們又引入最小描述長度理論（Minimum Description Length Criterion），用于尋找最優(yōu)模型的合適大小，提高模型一預(yù)測質(zhì)量。
　　本文通過對非線性時間序列預(yù)測的進一步研究基礎(chǔ)上，改進原有單一模型，構(gòu)造混合模型，再運用MATLAB神經(jīng)網(wǎng)絡(luò)工具箱預(yù)測分析多組非線性的計算

3、數(shù)據(jù)和實驗數(shù)據(jù)。并給出實際數(shù)據(jù)（人體脈搏、股票指數(shù)）的預(yù)測分析實例。本文的研究內(nèi)容主要包括以下幾個方面：
　　首先，為克服具有大量參數(shù)的非線性模型易產(chǎn)生的過適應(yīng)現(xiàn)象，研究最小描述長度理論在神經(jīng)網(wǎng)絡(luò)中的應(yīng)用算法，選擇最優(yōu)模型，該算法既提高了模型本身的預(yù)測準確性，又提高了模型的泛化能力。
　　其次，使用數(shù)據(jù)替代（Surrogate）技術(shù)假設(shè)檢驗?zāi)Ｐ皖A(yù)測誤差。其中的零假設(shè)為純噪音，檢驗統(tǒng)計量為相關(guān)維數(shù)。該方法為證明MDL模型預(yù)測準

4、確性提供雙重依據(jù)。
　　再次，采用非線性時間序列建模方法，分析具有長、短周期的非線性數(shù)據(jù)，摒棄傳統(tǒng)單一模型，建立雙嵌套混合模型同時捕捉其快、慢趨勢。
　　最后，應(yīng)用“Ikeda+Lorenz”計算數(shù)據(jù)進行混合模型仿真分析，并進一步使用人體脈搏、股票指數(shù)等實驗數(shù)據(jù)，推廣了該模型在實際科研中的應(yīng)用。
　　本文由實驗和仿真得到的結(jié)論提供了一個預(yù)測同時具有長、短周期非線性動力系統(tǒng)的新方法，為神經(jīng)網(wǎng)絡(luò)在預(yù)測較復(fù)雜非線性動力系統(tǒng)的