基于神经网络的非线性慢时变系统的数值预测研究

《基于神经网络的非线性慢时变系统的数值预测研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、学校代码：１＾１分类号：ＴＰ３９Ｌ４．＼ｍ＾密级Ｉ：公开ＵＤ。６２１．３呈一＂１３建巧学号：１３８８雜＇禱＇争魚！＾堂工程硕±学位论文基于神经网络的非线性慢时变系统的数值预测研究（学位论文形式：应用研究）研巧生姓名：沈璃导师姓名：魏海坤吴福保串请举仿类别工程硕±学位授予单位东南大学下賴领域务称控制工程论文答辩日期２０１６年４月１日研巧方向模式识别理论与应用学位授予日期２０年月日答辩委员会主席汪峰评阅人李世华甄子注２０１６年

2、４月７日乘兩：硕±学位论文基于神经网络的非线性慢时变系统的数值预测研究专业名称：控制工程研究生姓名：沈心（教授）导师姓名：魏海坤＿Ｒｅｓｅａｒｃｈ？ｏｎＮｕｍｅｒｉｃａｌＰｒｅｄｉｃｔｉｏｎｏｆＮｏｎ－ｖａｒｌｉｎｅａｒＳｌｏｗＴｉｍｅｉｎｇＳｓ１：ｅｍＢａｓｅｄｏｎｙｙＮｅｕｒａｌＮｅｔｗｏｒｋＡＴｈｅｓｉｓＳｕｂｍｉｔｅｄ化ＳｏｕｔｈｅａｓｔＵｎｉｖｅｒｓｉｔｙＦｏｒ化ｅＡｃａｄｅｍｉｃＤｅｇｒｅｅｏｆＭａｓｔｅｒｏｆＥｎｇｉｎｅ

3、ｅｒｉｎｇＢＹＳＨＥＮＹｕＳｕｐｅｒｖｉｓｅｄｂｙＰｒｏｆ－ｋｕｎ．ＷＥＩＨａｉＳｃｈｏｏｌｏｆＡｕｔｏｍａｔｉｏｎＳｏｕｔｈｅａｓｔＵｎｉｖｅｒｓｉｔｙＭａｒｃｈ２０１６东南大学学位论文独创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研巧成果。尽我所，论，知，除了文中特别加Ｗ标注和致谢的地方外文中不包含其他人己经发表或撰写过的研巧成果也不包含为获得东南大学或其它教育机构的学位或证书而使用过的材料一。与我同工作的同志对本研巧所做的任何贡献均已在

4、论文中作了明确的说明并表示了谢意。研究生签名：獻叫日期：壬々Ｕ．东南大学学位论文使用授权声明东南大学、中国科学技术信息研究所、国家图书馆有权保留本人所送交学位论文的复印件和电子文档，可Ｗ采用影印、缩印或其他复制手段保存论文。本人电子文档的内容和纸质论文的内容相一致，，可。除在保密期内的保密论文外允许论文被査阅和借阅Ｗ公布（包括Ｗ电子信息形式刊登）论文的全部内容或中、英文摘要等部分内容。论文的公布（包括Ｗ电子信息形式刊登）授权东南大学研巧生院办理。研巧生签名：导师签名：＾摘要本文＾主要内

5、容。在实际的生产和生活中有很１＾＞非线性慢时变系统的数值预测研究为多系统都属于非线性慢时变系统，这类系统的输入与输出之间的对应关系不满足线性关系。本文Ｗ神经网络为工具对非线性，并且这种对应关系会随着时间的推移而发生变化慢时变系统的数值预测问题展开研巧。神经网络具有复杂、非线性映射能力，并且可Ｗ通过对训练样本的学习，自适应地调整权值。本文基于神经网络模型对参数慢时变的非ｃｋｅ－Ｇ线性函数、Ｍａｙｌａｓｓ时间序列Ｗ及实际风电场的风速这Ｈ种非线性慢时变系统展开了数值预测的研究。主要研巧内容包括Ｗ下几个方面：Ｐ－首

6、先、Ｍａｃｋｅ创ａｓｓ时间序列Ｗ及，基于Ｂ神经网络对参数慢时变的非线性函数ｙ实际风电场的风速进行了在线预测与批量预测。基于ＢＰ神经网络对参数慢时变的非线ａｃｋｅ－ａｓｓ性函数的在线预测准确度较差，对ＭｙＧｌ时间序列Ｗ及实际风电场风速的在线ＢＰ－预测可Ｗ得到精度合理的结果。基于神经网络对参数慢时变的非线性函数、ＭａｃｋｅｙＧｌａｓｓ时间序列Ｗ及实际风电场风速的批量预测均具有较好的稳定性，算法运行时间较长。针对传统ＢＰ算法收敛速度慢的问题，采用了动量算法进行改进。－然后、ＭａｃｋｅＧｌａｓｓ时间序列Ｗ及，

7、基于级连相关网络对参数慢时变的非线性函数ｙ实际风电场的风速进行了増量预测。级连相关网络解决了传统的ＢＰ神经网络的步长问。题和变动目标问题，在很大程度上改进了算法的收敛速度基于级连相关网络对参数慢－时变的非线性西数、ＭａｃｋｅｙＧｌａｓｓ时间序列Ｗ及实际风电场的风速的增量预测均具有较好的稳定性。，并且算法运行时间较短在单值预测之后，基于ＲＢＦ神经网络对风电场风速进行了进行区间预测。将ＲＢＦＬＵＢＥ一神经网络与方法结合，在定的置信水平下根据输入数据计算输出值的上界与下一界。由于ＬＵＢＥ方法的结果依赖于初始值的选择，

8、本文提出了种新的区间预测方法：建立基于ＲＢＦ神经网络的单值预测模型，将单值预测模型的输出值与样本的实际输出值做比较，，计算残差。对残差进行聚类与统计，初步估计样本输出值的上界与下界作ＬＵＢＥ一ＲＢＦ为区间预测