基于鲁棒回声状态网络的混沌时间序列预测研究鄢.PDFVIP

物理学报摇 粤糟贼葬孕澡赠泽援杂蚤灶援摇 灾燥造援远园袁晕燥援员园 渊圆园员员冤摇 员园愿怨园猿 基于鲁棒回声状态网络的混沌时间序列预测研究鄢 李德才摇 韩摇 敏覮 渊大连理工大学电子信息与电气工程学部袁大连摇 员员远园圆猿冤 渊圆园员园年员圆月员缘 日收到曰圆园员员年员月员远 日收到修改稿冤 摇 摇 针对回声状态网络模型易受异常点影响的问题袁提出一种基于拉普拉斯先验分布的鲁棒回声状态网络模型援 通过采用对异常点不敏感的拉普拉斯分布代替高斯分布作为模型输出的先验袁以增强网络对于异常点的抑制能 力援 此外袁为解决由引入拉普拉斯分布所造成的求解困难的问题袁根据边际优化方法袁构建适当的替代函数袁使 拉普拉斯先验等价转化为易于计算的高斯形式袁并通过贝叶斯方法实现模型参数的自适应估计援 仿真结果表明袁 在异常点存在的情况下袁本文所提出的模型具有较好的鲁棒性袁并仍能保持较高的预测精度援 关键词院回声状态网络袁鲁棒模型袁替代函数袁拉普拉斯分布 孕粤悦杂院愿怨援怨园援 垣灶 决上述问题袁但是模型中正则项系数通常采用交叉 员郾 引 言 检验方法进行确定袁计算量较大援 在此基础上袁文 献咱员圆暂提出基于贝叶斯回归的回声状态网络预测 混沌是指发生在确定性系统中的貌似随机的 模型袁实现了网络输出权值及正则化系数的自适应 不规则运动援 自然界中的混沌现象是普遍存在的袁 估计袁避免了繁琐的交叉检验过程袁降低了算法的 诸如太阳黑子袁河流径流量袁 电力系统袁气温及降 计算复杂度援 在贝叶斯回归方法当中袁通常假设所 雨量等都可以较好的运用混沌理论来解释咱员袁圆暂援 有数据的噪声均为高斯分布援 然而袁实际观测的数 近些年袁国内外学者对混沌系统的分析和预测 据不免会包含一些异常点袁这些异常点的存在导致 咱猿暂 数据噪声不再满足高斯分布袁从而影响模型的泛化 研究与日剧增援 灾燥造贼藻则则葬滤波器 袁多层感知机神 咱源暂 咱缘暂 能力援 经网络袁径向基神经网络 袁支持向量机 袁模糊 咱远暂 咱苑暂 模型 袁状态空间神经网络袁耘造皂葬灶网络 以及回 针对此问题袁本文提出一种鲁棒回声状态网 声状态网络咱愿暂等都被广泛地应用于混沌时间序列 络渊则燥遭怎泽贼藻糟澡燥泽贼葬贼藻灶藻贼憎燥则噪袁砸耘杂晕冤模型袁采用更 的建模和预测援 其中回声状态网络作为一种新型的 具鲁棒性的拉普拉斯分布代替高斯分布对数据的 递归神经网络袁无论是模型构建袁还是学习算法都 噪声进行描述袁借以克服异常点对模型的影响援 此 与传统的神经网络具有很大差别咱怨袁员园暂援 回声状态网 外袁在模型参数的求解过程中袁为解决引入拉普 络的核心组成部分是储备池袁在稳定性方面袁可以 拉斯分布造成的求解困难的问题袁根据边际优化 通过预先设定储备池权值矩阵的谱半径来保证递 方法袁构建适当的替代函数袁使其等价转化为易 归网络的稳定性曰其次袁在网络训练方面袁输出权 于求解的高斯分布形式袁从而简化模型参数的求 值是唯一而且是全局最优的袁因此不存在传统神经 解过程援 网络普遍存在的局部最小问题袁从而显示出较好的 预测性能援 圆郾 回声状态网络 伪逆方法是目前回声状态网络学习过程中的 常规方法袁但在处理实际问题时袁易导致病态解问 圆郾员郾 回声状态网络的结构 题袁且伴随着具有较大