导读:本文包含了小波神经网络模型论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:神经网络,小波,模型,序列,通流,流量,时间。
小波神经网络模型论文文献综述
陈易平,俞龙,谌颃[1]（2019）在《大数据环境下基于小波神经网络和ARMA模型的流量异常检测》一文中研究指出大数据环境下的运维管理工作需要准确地对可能的故障进行预警,但是传统方法无法应对复杂的非线性动态系统以避免故障带来的严重损失。因此,针对流量序列的异常检测问题,提出了一种基于小波神经网络和自回归滑动平均模型(ARMA)的流量异常检测方法。使用序列预测偏差拟合正态分布来构建异常可置区间,从而对时间序列分析法中的ARMA模型进行改进。采用贝叶斯组合理论把小波神经网络预测与ARMA时间序列预测相结合建立组合模型来实现流量异常预警。测试结果表明:与其他多种模型相比,该组合模型在准确描述网络的运行状况方面表现出较好的优势。(本文来源于《重庆理工大学学报(自然科学)》期刊2019年10期）
殷礼胜,唐圣期,李胜,何怡刚[2]（2019）在《基于整合移动平均自回归和遗传粒子群优化小波神经网络组合模型的交通流预测》一文中研究指出针对短时交通流数据的非线性和随机性特点,为提高它的预测精度和收敛速度,该文从模型构建和算法两方面提出一种整合移动平均自回归(ARIMA)模型和遗传粒子群算法优化小波神经网络(GPSOWNN)相结合的预测模型和算法。在模型构建方面,将ARIMA模型预测值和灰色关联系数大于0.6的相关性强的前3个时刻的历史数据作为小波神经网络(WNN)的输入,在兼顾历史数据的平稳和非平稳的情况下,进行了模型结构简化。在算法方面,通过遗传粒子群算法对小波神经网络的参数初始值进行最优选取,可使其结果在不易陷入局部最优的条件下加快网络训练收敛速度。实验结果表明,在预测精度方面,该方法的模型明显优于整合移动平均自回归模型和遗传粒子群算法优化小波神经网络,在收敛速度方面,用遗传粒子群算法优化模型明显优于仅用遗传算法优化模型。(本文来源于《电子与信息学报》期刊2019年09期）
郭宗敏,徐冰峰,山丕斌,周亚霖[3]（2019）在《基于小波神经网络的污水厂总磷预测模型》一文中研究指出污水厂进水污染物与出水总磷的变化规律呈高度非线性,而传统机理预测模型需要依据经验设定大量参数,预测精度较低,预测相对误差处于15%～25%之间。为提高预测精度,以进水化学需氧量、总氮、氨氮、总磷、进水量5个进水指标与出水总磷浓度的映射关系建立小波神经网络预测模型。结果表明,小波神经网络模型模拟相对误差为9.87%,相较于机理模型,预测误差降低了5%～15%;同时模型收敛速度快,具有强大的非线性拟合能力,运行稳定性强,对污水厂实际运行中出水总磷预测有一定参考作用。(本文来源于《软件导刊》期刊2019年09期）
张煌,梁朋,肖琨武,徐嘉蔚,施叁支[4]（2019）在《基于小波去噪和神经网络的期货预测模型》一文中研究指出基于股指期货数据量大,数据噪声较多等多个特点,采用小波去噪的方法首先对选取的数据进行清洗,再利用神经网络进行训练预测,发现这样相结合的方法可以有效减少神经网络模型的误差。选取2012年7月24日至2018年10月12日共1528个交易日的最低价、最高价、开盘价和收盘价的沪深300股指期货数据作为神经网络模型的学习分析对象,通过不断地修改参数,调试从而减小误差,再对未来走势进行预测。结果发现BP神经网络模型与Elman神经网络模型比较,BP神经网络模型对于股指期货数据的分析预测更具有优越性,最终的预测结果与实际相比准确率能够达到98.9%。因此结合小波去噪的BP神经网络模型能够明显地减小了误差,提高了预测的精确度。(本文来源于《长春理工大学学报(自然科学版)》期刊2019年04期）
张仕森,孙宪坤,尹玲,李世玺[5]（2019）在《基于小波降噪和神经网络的GPS高程时序预测模型》一文中研究指出全球定位系统(GPS)时序数据预测的工作中发现,通常时序数据中含有的噪声会干扰数据预测的结果.为了降低时序数据中噪声对预测结果的负面影响,将提升小波阈值降噪技术和长短期记忆(LSTM)神经网络相结合,实现一种GPS时序数据降噪预测模型.该模型在预测之前首先利用提升小波与平滑阈值函数对GPS时序数据中的噪声进行剥离,然后构建多层LSTM神经网络对时序数据进行单步预测.通过实验与多种时间序列预测模型进行对比,结果表明所提出的LSTM预测模型对GPS时间序列的预测具有较强的适用性和较高的准确性.(本文来源于《全球定位系统》期刊2019年03期）
于雅芮,刘立士[6]（2019）在《自相似流量的小波神经网络预测模型研究》一文中研究指出随着计算机网络体系规模的不断扩大,降低网络性能的影响因素也日益增多。由于网络流量的突发性会增加对网络性能的影响,该文针对网络流量的自相似特性和可预测性,提出了一种自相似流量的小波神经网络预测模型。此模型通过对已知的网络流量数据进行训练,得到预测流量,完成对自相似流量的可预测性的验证,最后对预测模型的性能做出评价。与传统的线性模型相比,自相似流量的小波神经网络模型在仿真过程中表现出预测的精确程度高、逼近最优值的速度快的优点。(本文来源于《科技资讯》期刊2019年16期）
何韦玲[7]（2019）在《基于小波神经网络的独立光伏发电量模型的探究》一文中研究指出石油、天然气、和煤炭等化石燃料日益枯竭及经济快速发展对能源需求日益增加的矛盾,使得新型能源的开发应用受到了越来越广泛的关注。针对如何提高太阳能光伏发电量问题,采用小波神经网络建立独立光伏发电量预测模型,解决提高太阳能光伏发电效率问题。并通过将BP神经网络算法及小波神经网络发电量预测模型算法[5]对比得出小波神经网络发电量预测模型算法的优越性。(本文来源于《电子质量》期刊2019年04期）
曹现刚,张鑫媛,吴少杰,姜韦光,雷一楠[8]（2019）在《基于小波包神经网络的轴承故障识别模型》一文中研究指出针对传统故障特征提取过程复杂、诊断方案单一且准确性差等问题,提出了基于多阈值小波包和深度置信网络(DBN)的轴承故障识别方案。本文作者采用最优小波基函数和软硬阈值结合方法对原始振动信号进行叁层分解降噪处理,得到8个从低频到高频段的信号成分,对其进行组合重构作为神经网络的输入样本;通过DBN在数据处理上的特征重构优势,建立了DBNBP神经网络的轴承故障识别模型,确定模型的各类参数。经多次实验,探究不同样本输入对模型识别率的影响,并与传统的浅层神经网络识别模型做对比分析,结果表明:经训练的DBNBP轴承故障识别模型可从原始数据、小波包分解信号实现轴承故障信号的准确特征学习和分类,结合识别率和诊断时间考虑,经小波包分解信号输入具有更优的诊断效率。(本文来源于《机床与液压》期刊2019年05期）
郑云云,陈姗姗,胡勇[9]（2019）在《小波变换和BP神经网络模型在沉降变形监测中的应用研究》一文中研究指出变形预测在预报工程险情方面起着关键性的作用,针对施工中需及时、准确地预测变形的问题,本文利用小波变换原理对监测数据进行降噪处理,并采用BP神经网络分析不同训练样本下的预测效果和精度水平。实验结果表明:基于小波消噪后的BP网络模型,以连续的近期观测数据作为训练样本,对下期变形预测精度高,效果好,相对误差很小。因此,小波变换和BP神经网络模型在沉降变形监测工程中能作为预测研究与应用的参考。(本文来源于《测绘与空间地理信息》期刊2019年02期）
李振福,孙立谦[10]（2019）在《基于遗传小波神经网络的港口船舶交通流量预测模型比较》一文中研究指出对船舶交通流量进行准确预测在现代智能交通系统领域发挥着重要作用,为提高对船舶交通流量预测的准确性,本文将遗传算法分别与小波分析和神经网络进行结合,构建改进遗传小波神经网络模型,对广东省船舶交通流量的季度数据进行预测,并与遗传BP神经网络和传统小波网络等算法的预测进行对比。结果表明:经过遗传小波神经网络预测模型的误差相比传统的遗传BP神经网络模型和小波神经网络模型大幅度减小,提高了预测精度,从而保障水上交通安全,给水上安全主管部门的相关决策提供理论依据。(本文来源于《中国水运(下半月)》期刊2019年01期）
小波神经网络模型论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对短时交通流数据的非线性和随机性特点,为提高它的预测精度和收敛速度,该文从模型构建和算法两方面提出一种整合移动平均自回归(ARIMA)模型和遗传粒子群算法优化小波神经网络(GPSOWNN)相结合的预测模型和算法。在模型构建方面,将ARIMA模型预测值和灰色关联系数大于0.6的相关性强的前3个时刻的历史数据作为小波神经网络(WNN)的输入,在兼顾历史数据的平稳和非平稳的情况下,进行了模型结构简化。在算法方面,通过遗传粒子群算法对小波神经网络的参数初始值进行最优选取,可使其结果在不易陷入局部最优的条件下加快网络训练收敛速度。实验结果表明,在预测精度方面,该方法的模型明显优于整合移动平均自回归模型和遗传粒子群算法优化小波神经网络,在收敛速度方面,用遗传粒子群算法优化模型明显优于仅用遗传算法优化模型。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
小波神经网络模型论文参考文献
[1].陈易平,俞龙,谌颃.大数据环境下基于小波神经网络和ARMA模型的流量异常检测[J].重庆理工大学学报(自然科学).2019
[2].殷礼胜,唐圣期,李胜,何怡刚.基于整合移动平均自回归和遗传粒子群优化小波神经网络组合模型的交通流预测[J].电子与信息学报.2019
[3].郭宗敏,徐冰峰,山丕斌,周亚霖.基于小波神经网络的污水厂总磷预测模型[J].软件导刊.2019
[4].张煌,梁朋,肖琨武,徐嘉蔚,施叁支.基于小波去噪和神经网络的期货预测模型[J].长春理工大学学报(自然科学版).2019
[5].张仕森,孙宪坤,尹玲,李世玺.基于小波降噪和神经网络的GPS高程时序预测模型[J].全球定位系统.2019
[6].于雅芮,刘立士.自相似流量的小波神经网络预测模型研究[J].科技资讯.2019
[7].何韦玲.基于小波神经网络的独立光伏发电量模型的探究[J].电子质量.2019
[8].曹现刚,张鑫媛,吴少杰,姜韦光,雷一楠.基于小波包神经网络的轴承故障识别模型[J].机床与液压.2019
[9].郑云云,陈姗姗,胡勇.小波变换和BP神经网络模型在沉降变形监测中的应用研究[J].测绘与空间地理信息.2019
[10].李振福,孙立谦.基于遗传小波神经网络的港口船舶交通流量预测模型比较[J].中国水运(下半月).2019
论文知识图
