基于非线性脉冲神经P系统的时间序列预测研究.pdfVIP

西华大学硕士学位论文

摘要

非线性脉冲神经P(NSNP)系统是最近发展起来的一种计算模型，它是由生物神经元

的非线性脉冲机制抽象而来。NSNP系统具有非线性结构和建模非线性动态系统的潜力。

基于NSNP系统，研究并提出了三个新的时间序列预测方法。本文首先研究NSNP系统与

多尺度变换相结合的两个时序预测方法，包含单变量时间序列预测与多变量时间序列预

测。其次，受回声状态网(ESN)结构的启发，研究了NSNP的一个变体ESNP,并用于时间

序列预测。

本文主要的创新工作总结如下：

(1)提出一个基于NSNP系统与冗余Haar小波变换的单变量时间序列预测模型。对

于每个时间序列，所提出的预测模型能在小波域完成NSNP系统的自动构建和训练，然

后实现预测。在8个基准时间序列数据集和2个真实时间序列数据集上完成了所提出的

预测模型评估分析。

(2)提出一个基于NSNP系统与非下采样剪切波变换(NSST)的多变量时序预测模型。

在NSST域，多个NSNP系统可以自动构造和自适应训练，然后完成预测。NSNP系统的个

数等于多元时间序列的维数，这种线性关系保证了所提出的预测方法能够更好地解决多

元时间序列的高维问题。所提出的预测模型在5个真实的多元时间序列数据集上进行了

评估，并且与5种先进的和28种基线预测方法进行了对比分析。

(3)提出了一种NSNP系统的变体（ESNP系统），并且据此开发了一个时间序列预测

模型，ESNP模型。ESNP模型最显著的特征是一个特殊化的NSNP系统用作其储层池。ESNP

模型是ESN的一个变体，所以，ESNP模型容易地在ESN框架下实现。三组时间序列预测

任务用作案例研究，并与10个最先进的预测模型和17个基线预测模型的比较来评估这

个ESNP模型。

关键词：非线性脉冲神经P系统；时间序列预测；多尺度变换；回声状态网；回声

脉冲神经P系统

I

基于非线性脉冲神经P系统的时间序列预测研究

Abstract

onlinearspikingneuralP(NSNP)systemarerecentlydevelopedcomputingmodels,

Ns

whichareabstractedfromnonlinearspikingmechanismsofbiologicalneurons.NSNP

systemshavenonlinearstructureandthepotentialofmodelingnonlineardynamicsystems.

BasedonNSNPsystems,threenewtimeseriespredictionmethodsareproposed.Inthispaper,

wefirststudytwotimeseriespredictionmethodscombiningNSNPsystemswithmulti-scale

transforms,includingunivariatetimeseriespredictionandmultivariatetimeseriesprediction.

Secondly,inspiredbythestructureofechostatenetwork(ESN),avariantofNSNP,ESNP,is

studiedandusedfortimeseriesforecastingtask.

Themaininnovationworkofthispaperissummarizedasfollows:

(1)ApredictionmodelbasedonNSNPsystemsandredundantHaarwavelettransform

forunivariatetimeseriesforecastingisproposed.Foreachtime