基于选择策略的时间序列预测的研究

《基于选择策略的时间序列预测的研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、南京航空航天大学硕士学位论文基于选择策略的时间序列预测喧姓名：壬权申请学位级别：硕士专业：计算机科学与技术指导教师：昭松灿2011-01南京航空航天大学硕上学位论文摘要作为一种巫要的分析复杂系统的方法，时间序列预测在诸如：对A阳黑子数、电力需求和商品物价指数cpi的预测等场合都己取得了广泛应用。其面临的问题之一即在对原时间序列进行重构后的相空间屮如何建模原系统，也正是机器学习所关注的。最近Huang等人针对前馈神经网络提出了一种简单、快速，且能保持较好学习性能的算法，称Z为极限学习器(ELM)。以提升ELM的效率和解决其性能的不稳定为H的，本文分别提出了基丁•

2、选择部分样本学习和选择部分学习器集成的改进措施，并应用于具体的时间序列预测。1.针对ELM而向全局学习导致其计算量相对较人的弱点，且鉴丁时间序列具有任意点与其近邻点演变相似的特点，基丁近邻点比非近邻点对于学习更重耍的假设，本文提出了仅学习部分近邻样本的基于极限学习器的局部预测器(ELMLP)o在时间序列数据集上的实验验证了ELMLP提升效率的有效性，仅以牺牲少量的性能为代价，甚至在较大噪声背景下反而获得了性能的提升。这是因为ELMLP只需学习部分重要样本，从而避免了过多不重要样本所含噪声的干扰。2.针対ELM对其屮参数的随机设置导致其性能的不稳定，本文捉出了极

3、限回归器的稀疏集成算法(SERELM)e实验结果验证了SERELM不仅缓解了ELM性能的不稳定，而H改善了其性能并优于另外两个最近的集成方法。另外，集成学习的优劣通常与多样性密切相关，而如何定义和度量多样性仍是一个问题，SERELM则利用11•正则化绕开了这一问题。在对实验结果的进一步分析后，木文发现：很大程度上，冋归中常用个体间的负相关性对多样性度量无效。通过对当前尚处争议的多样性定义和度量问题研究工作的总结，本文从肓觉上初步提出对多样性的分析应该建立在对个体学习器所处的假设空间的差异分析皋础上。关键词：时间序列预测，极限学习器，基于极限学习器的局部预测器，

4、极限回归器的稀疏集成，多样性。ABSTRACTAsanimportanttoolofanalyzingcomplexsystems,timeseriesforecastingiswidelyutilizedinmanyapplications,likepredictingsunspotnumber、electricitydemandCPIandsoon.Thequestionhowtomodeltheoriginalsysteminthephasespacereconstructedfromtheoriginaltimeseries,isalsoconcern

5、edbymachinelearning・Recently,HuangetalhasproposedasimpleandfastlearningalgorithmforSLFNwithagoodgeneralizationperformancecalledELM・Basedonselecting,thispaperproposestwoimprovements(learningfromsomesamplesandensemblesomelearningmachines)correspondingtothepurposeofpromotingELM'seffici

6、encyandovercomingitsunstabilityinapplicationsoftimeseriesforecasting.1.Asagloballearningalgorithm,ELMconsumesalargerelativelycomputation.Inviewofthatnearestneighboursevolvesimilarly,andbasedonahypothesis(neighboursaremoreimportantthannon-neighbours),thispaperproposesELMLPfortimeseri

7、esforecasting,whichlearnsfromsomeneighbours.TheexperimentalresultsoftimeseriesdatasetsshowthatELMLPpromotesefficiencyofELMalwaysJustsacrificingalittleperformance,orperformanceevenbeingpromotedwhenbeingconfrontedwithabigrelativelynoise,duetonoiseattachedwithunimportantsamplesbeingavo

8、ided・2.Inilializing