基于变分模态分解和神经网络的混沌时间序列预测研究

论文摘要

随着人们对大自然的深入研究,越来越多的时间序列被认为具有混沌特性,如降水量、温度以及太阳黑子数等。分析时间序列的混沌特性并对其进行预测,可以识别事物的本质,发掘事物隐含的规律,对人类社会的进步产生了深远的影响。变分模态分解(Variational Mode Decomposition,VMD)是一种新型的自适应信号分解方法,广泛用于混沌信号处理。本文通过采用VMD、BP神经网络、极限学习机、智能优化算法等,以降水量、温度以及太阳黑子月均值为研究对象,探究组合预测模型在混沌时间序列预测中的优势。主要工作有:(1)利用混沌理论对降水量、温度以及太阳黑子数时间序列进行混沌特性分析,计算相空间重构参数、最大Lyapunov指数和Kolmogorov熵。实验结果表明,这三类气象时间序列都具有混沌特性,可以进行短期混沌时间序列预测。(2)提出一种基于变分模态分解与极限学习机相结合的月降水量混沌时间序预测模型。VMD能够有效抑制模态混叠现象,极限学习机训练速度快,设置参数简单。实验结果表明,与其他多种模型进行比较,该模型能够很好的预测出降水量趋势,提高了预测精度。(3)提出一种基于变分模态分解与改进极限学习机相结合的温度月均值混沌时间序预测模型。利用粒子群优化算法选择极限学习机的最优权值,提高网络预测性能。实验结果表明,改进后的模型能够有效的预测出温度,进一步提高预测精度。(4)提出一种基于萤火虫算法优化的BP神经网络与变分模态分解相结合的太阳黑子月均值组合预测模型。利用萤火虫优化算法,快速寻找到BP神经网络模型的最优权值,有效提高了模型的预测性能。实验结果表明,与没有优化过的神经网络相比,该预测模型在预测精度上有一定的提升,预测效果较好。

论文目录

摘要

Abstract

第1章绪论

1.1 论文研究背景及意义

1.2 国内外研究现状

1.2.1 降水量及温度预测研究现状

1.2.2 太阳黑子预测研究现状

1.3 本文主要研究内容及论文结构

第2章混沌时间序列特性分析

2.1 混沌的定义

2.2 混沌理论

2.2.1 混沌时间序列

2.2.2 混沌特性识别

2.2.3 相空间重构

2.3 各时间序列的混沌特性分析

2.3.1 月降水量的混沌特性分析

2.3.2 温度月均值的混沌特性分析

2.3.3 太阳黑子月均值的混沌特性分析

2.4 本章小结

第3章基于变分模态分解和极限学习机的月降水量模型预测

3.1 变分模态分解

3.1.1 变分模态分解的原理与流程

3.1.2 变分模态分解的优点及其应用

3.2 极限学习机

3.2.1 极限学习机的理论

3.2.2 极限学习机预测模型

3.3 基于变分模态分解和极限学习机的组合模型预测

3.3.1 预测模型

3.3.2 实验数据分解

3.3.3 实验评价标准

3.3.4 实验仿真及结果分析

3.4 本章小结

第4章改进的极限学习机和变分模态分解的温度模型预测

4.1 群智能算法

4.2 粒子群算法

4.2.1 粒子群算法原理

4.2.2 粒子群算法流程

4.2.3 粒子群算法的关键参数说明

4.3 基于粒子群优化算法的极限学习机模型预测

4.3.1 粒子群优化的极限学习机模型

4.3.2 实验说明和结果分析

4.4 基于变分模态分解和改进的极限学习机组合模型预测

4.4.1 建立预测模型

4.4.2 实验仿真及结果分析

4.5 本章小结

第5章改进的BP神经网络和变分模态分解的太阳黑子模型预测

5.1 萤火虫算法

5.1.1 萤火虫算法基本思想

5.1.2 萤火虫算法基本流程

5.2 BP神经网络

5.3 基于萤火虫算法优化的BP神经网络模型预测

5.3.1 萤火虫算法优化的BP神经网络模型

5.3.2 实验说明和结果分析

5.4 基于变分模态分解和改进的BP神经网络组合模型预测

5.4.1 建立预测模型

5.4.2 实验仿真及结果分析

5.5 本章小结

第6章总结与展望

6.1 研究总结

6.2 研究展望

参考文献

致谢

攻读硕士学位期间的研究成果

文章来源

类型: 硕士论文

作者: 马骁

导师: 李国辉

关键词: 变分模态分解,神经网络预测,降水量,温度,太阳黑子数

来源: 西安邮电大学

年度: 2019

分类: 基础科学,信息科技

专业: 物理学,天文学,气象学,自动化技术

单位: 西安邮电大学

分类号: TP183;O415.5;P182.41;P426.6

总页数: 74

文件大小: 2836K

下载量: 242

基于变分模态分解和神经网络的混沌时间序列预测研究

论文摘要

论文目录

文章来源

相关论文文献

猜你喜欢