非线性时间序列神经网络预测方法的研究及应用.pdfVIP

矿　业　快　报 Ser ia l N o. 370　　　　　　　　　　　 　　　　　　　　　　 总第 370 期 EX PR E SS IN FO RM A T ION A u gu st. 200 1 O F M IN IN G IN DU STR Y 200 1年 8 月第 16 期 ·试验研究 非线性时间序列神经网络预测方法的研究及应用 江龙剑 高　列　葛永利 (马鞍山矿山研究院) (南芬铁矿) 　　摘　要　岩土边坡时间序列数据蕴含着边坡系统演化的信息, 边坡系统在演化过程 中既表现出确定性、必然性的一面, 同时又具有随机性、混沌性、无序性的一面。利用人工 神经网络, 提出了多变量前向网络的多准则学习算法; 通过一维时序的扩充和延拓, 计算 相空间吸引子维数, 根据吸引子维数的大小确定神经网络拓扑结构的输入层节点的个数。 ( ) 最后, 根据实例, 建立了时间序列预报模型, 并与传统的预测方法 灰色模型 作了比较。 关键词　时间序列　神经网络　预测　吸引子　灰色 1　引言 (3) 利用输入实验数据, 神经网络就能自适 边坡性态监测和预测是边坡管理中关键的 应的训练 自已, 学习、总结、归纳出变量之间的 中间环节, 也是众多岩土工程技术人员研究的 关系。 课题。他们从岩体已暴露、已测量获得的数据 (4) 预测速度快, 动态自适应能力强。 中, 通过统计与概率分析、回归分析、灰色理论 因此, 神经网络理论具有与其它方法不可 等寻找其中所蕴含的规律, 对预报岩体的破坏 替代的优势, 它的应用必将得到进一步的完善、 起到过积极的作用。然而事实上, 地质体的结构 发展。 相当复杂, 它涉及的工程地质条件及岩体特性 2　时间序列相空间的建立 参数大多是不完全定量的, 甚至是随机的、模糊 2. 1　时间序列相空间简述 的, 并且这些变量之间还存在着交叉效应和动 假设一个单变量时间序列为: X 0 , X 1 , X 2 , 态效应, 难以用确定性的数学模型加以描述。岩 X 3 , . . . . . . , X n , 若该序列的时间间隔为 t, 取 体变形过程中这种高度非线性和不确定性的问 为 的整数倍, 如 = 2 时, 可将原单变量 t t 题, 可用近几十年来发展起来的人工神经网络 ( ) 一维 时间序列延拓为如下三维空间: ( ) 理论 简称AN N 进行预测。神经网络理论具有 (X 0 , X 2 , X 4 ) 以下优点: (X 1 , X 3 , X 5 ) ( 1) 神经网络具有高度容错性和 自适应性 以及处理各种输入输出数据间的复杂关系。 . . . . . . . . .