matlab動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)在時(shí)間序列預(yù)測(cè)中的應(yīng)用

matlab動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)在時(shí)間序列預(yù)測(cè)中的應(yīng)用

ID:24175708

大?。?6.50 KB

頁數(shù):4頁

時(shí)間:2018-11-13

matlab動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)在時(shí)間序列預(yù)測(cè)中的應(yīng)用_第1頁
matlab動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)在時(shí)間序列預(yù)測(cè)中的應(yīng)用_第2頁
matlab動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)在時(shí)間序列預(yù)測(cè)中的應(yīng)用_第3頁
matlab動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)在時(shí)間序列預(yù)測(cè)中的應(yīng)用_第4頁
資源描述:

《matlab動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)在時(shí)間序列預(yù)測(cè)中的應(yīng)用》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、MATLAB動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)在時(shí)間序列預(yù)測(cè)中的應(yīng)用張?jiān)汽愴n憲忠王克儉(河北農(nóng)業(yè)大學(xué)信息科學(xué)與技術(shù)學(xué)院,071001,河北保定)摘要:木文在介紹了Matlab祌經(jīng)網(wǎng)絡(luò)工具箱的基礎(chǔ)上,主要對(duì)時(shí)間序列預(yù)測(cè)工只箱的使用作了說明,并用實(shí)例仿真說明如何進(jìn)行時(shí)間序列預(yù)測(cè)的調(diào)用實(shí)現(xiàn),通過不斷的調(diào)整參數(shù),最后使訓(xùn)練的模型比較理想,滿足實(shí)際的需求,表明了直接使用時(shí)間序列預(yù)測(cè)的有效性,并為Matlab祌經(jīng)網(wǎng)絡(luò)工具箱的使用提供了新的方法。關(guān)鍵詞:Matlab;神經(jīng)網(wǎng)絡(luò);時(shí)間序列;預(yù)測(cè)中圖分類號(hào):TP391.41文獻(xiàn)識(shí)別碼:A引言時(shí)間序列是根據(jù)時(shí)間順序得到跟時(shí)間相關(guān)的變量或者參數(shù)的觀

2、測(cè)數(shù)據(jù)[1]。對(duì)時(shí)間序列的研究主要是挖掘其中有價(jià)值的信息,找到其中變化的內(nèi)在規(guī)律[2]。時(shí)間序列預(yù)測(cè)是時(shí)間序列分析研究的主要內(nèi)容,是指根據(jù)現(xiàn)有的和歷史的時(shí)間序列的數(shù)據(jù),建立能反映時(shí)間序列中所包含的動(dòng)態(tài)依存關(guān)系的數(shù)學(xué)模型[3],從而能對(duì)序列未來的趨勢(shì)做出合理的預(yù)測(cè)。簡(jiǎn)單的說,時(shí)間序列預(yù)測(cè)就是用己有的數(shù)據(jù)預(yù)測(cè)下一個(gè)時(shí)間段的值。目前,時(shí)間序列預(yù)測(cè)已經(jīng)廣泛應(yīng)用在自然界、經(jīng)濟(jì)、化學(xué)、科學(xué)工程等各個(gè)領(lǐng)域。隨著Matlab版木的不斷更新,祌經(jīng)網(wǎng)絡(luò)工具箱不斷的完善,使得仿真的實(shí)現(xiàn)日益簡(jiǎn)單,R2010b后的版木對(duì)時(shí)間序列預(yù)測(cè)的實(shí)現(xiàn)不需要手動(dòng)寫代碼,網(wǎng)絡(luò)訓(xùn)練完畢,從Simp

3、leScript可看到網(wǎng)絡(luò)代碼,并可對(duì)代碼進(jìn)行編輯、改編,因此,只要調(diào)用就可應(yīng)用在各個(gè)領(lǐng)域。木文結(jié)合時(shí)間序列預(yù)測(cè)的特點(diǎn),將Matlab神經(jīng)網(wǎng)絡(luò)工只箱中的時(shí)間序列預(yù)測(cè)應(yīng)用到溫度預(yù)測(cè)的實(shí)例中,通過快速的仿真及不斷的調(diào)整參數(shù),從而形成較理想的數(shù)學(xué)模型,為后期進(jìn)行溫度的預(yù)測(cè)奠定了基礎(chǔ)。IMatlab神經(jīng)網(wǎng)絡(luò)工具箱簡(jiǎn)介神經(jīng)網(wǎng)絡(luò)分為靜態(tài)和動(dòng)態(tài)兩類。靜態(tài)神經(jīng)網(wǎng)絡(luò)是無反饋、無記憶的,輸出僅依賴于當(dāng)前的輸入,例如BP神經(jīng)網(wǎng)絡(luò)和RBF祌經(jīng)網(wǎng)絡(luò)。動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)是冇記憶的神經(jīng)網(wǎng)絡(luò),其輸出依賴于當(dāng)前和以前的輸入。動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)又分為奮反饋和無反饋,奮反饋指輸出依賴于當(dāng)前輸入和前一個(gè)輸

4、入輸出,無反饋指輸出依賴于當(dāng)前和之前的輸入。因此,動(dòng)態(tài)祌經(jīng)網(wǎng)絡(luò)比靜態(tài)祌經(jīng)網(wǎng)絡(luò)功能強(qiáng),本文選擇動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)進(jìn)行時(shí)間序列預(yù)測(cè)。Matlab神經(jīng)網(wǎng)絡(luò)工具箱提供了一系列用于模型訓(xùn)練的工具,包括曲線擬合工具箱、模式識(shí)別工具箱、聚類工具箱和吋間序列工具箱,利用這些工具箱可進(jìn)行快速的調(diào)整參數(shù),通過仿真得到直觀的結(jié)果。另外,Matlab神經(jīng)網(wǎng)絡(luò)工具箱還提供人機(jī)交互界面,可根據(jù)提示一步一步的完成模型的訓(xùn)練,并對(duì)仿真的結(jié)果進(jìn)行分析,直到滿足要求為止。選擇時(shí)間序列工具箱或者直接在命令窗U中輸入ntstool,可打開吋間序列預(yù)測(cè)工具箱界面,根據(jù)數(shù)據(jù)選擇符合哪種情況,根據(jù)人機(jī)交互

5、界面的提示,將數(shù)據(jù)分成訓(xùn)練數(shù)據(jù)、驗(yàn)證數(shù)據(jù)、測(cè)試數(shù)據(jù)三類,選擇神經(jīng)元的個(gè)數(shù)進(jìn)行訓(xùn)練預(yù)測(cè),最后根據(jù)PlotErrorAutocorrelation和PlotInput-ErrorCorrelation判斷誤差是否在規(guī)定的界限內(nèi),如果滿足要求則訓(xùn)練結(jié)束,否則通過重新訓(xùn)練TrainAgain、調(diào)整參數(shù)AdjustNetworkSize或者改變輸入數(shù)據(jù)ImportLargerDataSet來重新進(jìn)行訓(xùn)練,直到訓(xùn)練誤差滿足要求為止。2仿真實(shí)例假設(shè)冇一組隨吋間和加上風(fēng)扇影響的溫度的數(shù)據(jù),存放time_series_data.xls中,訓(xùn)練步驟如下:(1)導(dǎo)入數(shù)據(jù):輸入

6、rawData=xlsread(’time_series_data.xls’,’sheetl’,’數(shù)據(jù)的位置’);輸出y_t=rawData(:,3);輸入x_t=rawData(:,2);(2)凋用時(shí)間序列預(yù)測(cè)工具箱:輸入nnstart調(diào)用出神經(jīng)網(wǎng)絡(luò)總窗口,選擇其中的RimeSeriesTool或直接輸入ntstool命令,打開時(shí)間序列預(yù)測(cè)工具箱界面,選擇其中的NARX模型;(1)設(shè)置參數(shù):Inputs列選擇x_t,Targets列選擇(y_t),Timestep列選擇Matrix

7、row,將進(jìn)行訓(xùn)練、驗(yàn)證和測(cè)試的數(shù)據(jù)分別設(shè)置為70%、15%和15%,NumberofHiddenNeurons列設(shè)置隱含層神經(jīng)元的個(gè)數(shù),Numberofdelaysd列設(shè)置依賴于幾個(gè)吋間的輸入輸出。需要注意的是:三種數(shù)據(jù)的比例、神經(jīng)元的個(gè)數(shù)和依賴的時(shí)間都是可以改變的,因此需根據(jù)需要不斷的調(diào)整這些參數(shù)。(2)仿真訓(xùn)練:參數(shù)設(shè)置好之后,點(diǎn)擊Train訓(xùn)練,訓(xùn)練完成后,通過PlotErrorAutocorrelation和PlotInput-ErrorCorrelation檢查誤差是否滿足要求,若滿足要求,則訓(xùn)練完成;若誤差不滿足要求,則進(jìn)行重新訓(xùn)練。從上圖

8、可看出,通過不斷的訓(xùn)練后PlotErrorAutocorrelation中的誤差

當(dāng)前文檔最多預(yù)覽五頁,下載文檔查看全文

此文檔下載收益歸作者所有

當(dāng)前文檔最多預(yù)覽五頁,下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學(xué)公式或PPT動(dòng)畫的文件,查看預(yù)覽時(shí)可能會(huì)顯示錯(cuò)亂或異常,文件下載后無此問題,請(qǐng)放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫負(fù)責(zé)整理代發(fā)布。如果您對(duì)本文檔版權(quán)有爭(zhēng)議請(qǐng)及時(shí)聯(lián)系客服。
3. 下載前請(qǐng)仔細(xì)閱讀文檔內(nèi)容,確認(rèn)文檔內(nèi)容符合您的需求后進(jìn)行下載,若出現(xiàn)內(nèi)容與標(biāo)題不符可向本站投訴處理。
4. 下載文檔時(shí)可能由于網(wǎng)絡(luò)波動(dòng)等原因無法下載或下載錯(cuò)誤,付費(fèi)完成后未能成功下載的用戶請(qǐng)聯(lián)系客服處理。