论文摘要
近年来,回声状态网络(Echo state network ESN)以其在混沌时间序列预测表现的优越性能而备受关注。然而,传统的ESN网络采用随机生成的稀疏网络结构和单一的神经元模型,导致其计算能力难以满足多元混沌时序预测性能的要求。为了克服这一缺点,本文提出一种混合小波神经元模型和CRJ(cycle reservoir with jumping)结构相结合的新型网络HCRJ。为了验证模型的有效性,将所提出的HCRJ网络模型应用于钻井过程产生的多元混沌时序预测中,并与传统的ESN和CRJ预测结果进行对比。实验结果表明,HCRJ网络模型在确保不增加储备池复杂度的情况下,丰富了网络的动态特性,提高了网络的预测性能。
论文目录
文章来源
类型: 国际会议
作者: 李金策,李宏光,王永健
关键词: 回声状态网络,小波神经元,跳跃循环网络,多元混沌时序,钻井时序预测
来源: 第30届中国过程控制会议（CPCC 2019） 2019-07-31
年度: 2019
分类: 基础科学,信息科技
专业: 数学,互联网技术
单位: 北京化工大学信息科学与技术学院
分类号: O211.61;TP393.0
页码: 55
总页数: 1
文件大小: 696k
下载量: 23