基于BMAC-RLS模型的复杂系统行为预测方法及其应用.pdfVIP

下载本文档

0
0
约2.2万字
约 5页
2017-09-03 发布于北京
举报
版权申诉

基于BMAC-RLS模型的复杂系统行为预测方法及其应用.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

Vol. 20 No.2 模式识到与人工智能第 20 卷第2 期 2007 年 4 月 PR ßιAI Apr 2007 基于 BMAC-RLS 模型的复杂系统行为预测方法及其应用关扬瓷宇1，2 王卫平2 傅志谦1 1 (中国科学技术大学电子科学与技术系合肥 23002 7) 气中国科学技术大学信息管理与决策科学系合肥 230026) 摘要复杂系统行为预测是复杂系统管理与决策的重要内容.为了在确保预测准确性的前提下提高系统预测的稳定性和泛化能力，提出一种基于主成分分析结合加入 B 祥条的连续 CMAC 递维最小二乘算法CCMAC-RLS) 的组合模型的预测方法CPCA-BMAC-RLS). 首先利用主成分分析来降低输入变量的维数以减少 CMAC权系数空揭. 其次采用 BMAC-RLS 算法以确保权值的收敛旦能提供函数的微分信息以适合复杂系统的在线建模.最后以实际应用为例，对比采用 RBF 神经网络模型和本文的 PCA-BMAC-RLS 组合模型的预测实验.实验结果显示，本文方法具有稳定性好、泛化能力强、运行速度快、预测精度高等显著优点. 关键词行为预测，神经网络，主成分分析CPC剖，递推最小二乘，电力负荷预测中图法分类号 TP314 Complex System Behavior Forecasting Method Based on BMAC-RLS Model and Its Application YANG Xiao-Yu1 •2 , FU Zhong-Qian1 , WANG Wei子ing2 1 (Department of Electronic Science and Technology , University of Science and Technology of China , Hefei 230027) 2 (Department of Information Management and Decision Science , University of Science and Technology of China , Hefei 230026) ABSTRACT Complex system behaviòr forecasting is quite important in complεx system m在nagement and decision. It is the key of improving forecasting stability and extension without the loss of precision. A new method based on PCA (principle component analysis) and C如fAC-RLS (recursive least squares) is proposed. PCA is used to reduce the input space dimensions. CMAC-RLS algori