非线性时间序列在线预测建模与仿真2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

非线性时间序列在线预测建模与仿真PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 绪论1

1.1 引言1

1.2 时间序列预测研究历史及意义2

1.3 时间序列预测应用前景4

1.4 时间序列预测研究方法概况5

1.4.1 传统时间序列预测方法5

1.4.2 人工神经网络方法6

1.4.3 支持向量机方法7

1.4.4 其他方法8

1.5 时间序列在线预测方法研究现状10

1.5.1 重新建模方法11

1.5.2 动态神经网络方法11

1.5.3 在线支持向量回归方法11

1.5.4 核自适应滤波方法12

1.6 非线性滤波算法在线训练下基于智能计算技术的时间序列预测方法14

1.7 本书的主要内容与结构安排15

参考文献17

第2章 非线性滤波理论22

2.1 最小方差估计22

2.2 卡尔曼滤波28

2.3 扩展卡尔曼滤波28

2.3.1 滤波更新32

2.3.2 预测更新33

2.3.3 扩展卡尔曼滤波算法总结33

2.3.4 迭代滤波34

2.4 Unscented卡尔曼滤波35

2.4.1 Unscented变换35

2.4.2 Unscented变换采样策略37

2.4.3 观测更新41

2.4.4 预测更新42

2.4.5 Unscented卡尔曼滤波总结42

2.5 高斯粒子滤波43

2.5.1 理想蒙特卡罗仿真44

2.5.2 贝叶斯重要采样44

2.5.3 观测更新45

2.5.4 预测更新46

2.5.5 高斯粒子滤波总结47

2.6 小结48

参考文献48

第3章 基于前馈型神经网络的时间序列在线预测50

3.1 人工神经网络50

3.1.1 神经元50

3.1.2 神经网络联接形式51

3.1.3 神经网络学习方法52

3.2 多层感知神经网络53

3.2.1 多层感知神经网络结构53

3.2.2 多层感知神经网络学习模型53

3.2.3 实验结果和分析54

3.2.4 结论58

3.3 径向基函数神经网络58

3.3.1 径向基函数神经网络结构59

3.3.2 径向基函数神经网络学习模型60

3.3.3 实验结果和分析61

3.4 小结64

参考文献65

第4章 基于最小二乘支持向量机模型的时间序列在线预测67

4.1 支持向量机理论基础67

4.1.1 机器学习问题67

4.1.2 统计学理论基础69

4.1.3 支持向量机71

4.1.4 参数选择76

4.2 最小二乘支持向量机79

4.3 迭代非线性滤波方法81

4.3.1 迭代扩展卡尔曼滤波81

4.3.2 迭代Unscented扩展卡尔曼滤波82

4.4 基于二乘支持向量机的时间序列在线预测模型83

4.5 发动机系统可靠性预测实验仿真86

4.5.1 实验数据86

4.5.2 数据处理和性能指标定义89

4.5.3 模型参数设置89

4.5.4 实验结果91

4.6 小结94

参考文献94

第5章 基于单乘法神经元模型的时间序列在线预测97

5.1 单乘法神经元模型97

5.2 基于单乘法神经元模型的风速一步预测98

5.2.1 预测模型98

5.2.2 实验结果和分析99

5.3 基于单乘法神经元模型的能源消耗数据预测102

5.3.1 实验数据和数据处理102

5.3.2 实验结果103

5.4 时间序列在线多步预测105

5.4.1 时间序列在线多步预测模型一106

5.4.2 时间序列在线多步预测模型二106

5.4.3 结论110

5.5 小结110

参考文献111

第6章 观测数据随机缺失下的时间序列在线预测114

6.1 观测数据随机缺失114

6.2 观测数据随机缺失下的扩展卡尔曼滤波算法116

6.3 观测数据随机缺失下的Unscented卡尔曼滤波算法118

6.4 观测数据随机缺失下的高斯粒子滤波算法120

6.5 观测数据随机缺失下基于多层感知神经网络的时间序列一步预测122

6.5.1 多层感知神经网络预测模型122

6.5.2 实验仿真122

6.6 观测数据随机缺失下基于径向基函数神经网络的时间序列一步预测122

6.6.1 径向基函数神经网络预测模型122

6.6.2 实验仿真123

6.7 基于多层感知神经网络的观测数据随机缺失下的时间序列多步预测126

6.7.1 多层感知神经网络预测模型126

6.7.2 实验仿真126

6.8 小结133

参考文献133

第7章 观测数据随机延时下的时间序列在线预测136

7.1 观测数据延时的滤波处理方法136

7.1.1 重复滤波法136

7.1.2 状态扩维法137

7.2 观测数据一步随机延时下的扩展卡尔曼滤波算法138

7.3 观测数据一步随机延时下的Unscented卡尔曼滤波算法142

7.4 观测数据随机延时下基于径向基函数神经网络的时间序列多步预测147

7.4.1 径向基函数神经网络预测模型147

7.4.2 实验仿真147

7.5 小结150

参考文献150