吴曦, 康会光[1]2002年在《基于随机小波神经网络的一类随机过程的逼近》文中指出在小波神经网络基础上提出了随机小波神经网络 ,给出了随机小波神经网络逼近一类随机过程的收敛性的证明。并在此基础上对随机小波神经网络的拓扑结构、学习机理进行了研究 ,得出了一系列成果。从本质上讲 ,随机小波神经网络是小波神经网络的推广。
吴曦[2]2001年在《基于随机小波神经网络的一类随机过程的逼近》文中研究指明本文首先综述了小波分析和小波变换的发展，以及近年来才提出的小波神经网络理论及其应用。在此基础上本文首次建立了一种新型随机神经网络——随机小波神经网络。对该网络的存在性、拓扑结构、非线性学习机理、收敛性质进行了理论研究。本文主要完成的工作如下： 首先，建立了随机小波神经网络的拓扑结构及其非线性学习机理；进而，研究了随机小波神经网络逼近一类随机过程的收敛性，证明了其收敛速度。最后，通过模拟计算分析，进一步说明了该网络具备特有的优良性，从本质上讲，随机小波神经网络是小波神经网络的推广。
张新红[3]2003年在《小波网络理论及其在经济预测中的应用研究》文中认为本文系统地研究了小波神经网络的结构和非线性函数逼近，给出了小波神经网络的全局逼近定理和收敛性定理以及证明过程；详细地比较了小波神经网络与BP网络、RBF网络的性能。以小波分析为理论根据，以经济预测为应用目标，构建不同形式的小波神经网络：①以连续小波变换为理论依据，采用连续小波函数作为神经网络的激励函数构建连续参数小波网络，给出参数学习的共轭梯度算法和随机梯度算法；②以多分辨分析和正交小波分解为理论依据，采用正交小波和正交尺度函数共同作为神经网络隐含层激励函数，构建正交小波网络；利用多分辨分析逐层逼近的性质，给出正交小波网络递阶逼近学习算法；③以多分辨分析定义中的完全渐近性条件为理论依据，采用正交尺度函数作为神经网络的激励函数构建正交尺度小波网络，给出正交尺度小波网络参数学习的BP算法；④根据神经网络的模式识别性质，提出分类小波网络和相应学习算法。对所建的几种小波网络在经济预测中的应用展开研究。针对神经网络在经济预测领域中取得的广泛应用成果，研究分别用连续参数小波网络、正交小波网络、正交尺度小波网络和分类小波网络建立经济预测模型的方法和步骤，并具体研究了以下经济问题建模：①基于连续参数小波网络，研究了非线性时间序列小波网络预测模型，并用于中国进出口贸易额时间序列仿真预测；②基于正交小波网络的我国人口预测模型；③基于正交尺度小波网络的非线性经济系统预测模型，并用于我国国内生产总值预测；④基于分类小波网络，并根据证券技术分析的“模式重现”原理，建立综合指数“买入时机”预测的分类小波网络证券市场预测模型。从对这些小波网络经济模型的研究和应用仿真得出以下结论：①小波网络可以有效地在数值上逼近时间序列难以定量描述的相互关系；②用小波网络建立的宏观经济预测模型，能够将宏观经济中的非线性关系很好的描述出来，使建立的模型与实际系统更加接近；③小波网络不仅具有神经网络的自适应、自学习和强容错性，而且可以充分利用小波的时频局部化性质，学习过程只利用局部信息，大大提高了神经网络的训练收敛速度。因此，小波网络在计量经济领域和金融系统对时间序列特性的捕捉及其复现具有独特的功能和广阔的应用前景。
喻丹[4]2008年在《基于小波理论的短时交通流预测方法研究》文中研究指明实时、准确的短时交通流预测是智能交通控制与管理的基础,许多预测方法被提出,但是,因未考虑短时交通流中不确定干扰因素的影响,或者将各干扰简单复合统一处理,预测结果准确性较差。本文从短时交通流特性分析出发,利用PCA主成分分析法和分形理论验证短时交通流是一组包含干扰信号的混沌序列,具有最小可预测周期。短时交通流成分复杂,不同特性信号成分在预测中的作用不同,因此本文基于改进的Mallat算法进行小波分解和单支重构,将短时交通流分离成低频确定信号、高频混沌信号和高频干扰信号。对各分解信号,构造双层小波网络分别预测:第一层小波网络WNN-1用于低频确定信号和高频干扰信号的预测;第二层小波网络WNN-2用于高频混沌信号的预测。最后,将各分解信号预测值迭加以获得包含原始信号所有特性成分的预测值。算例研究表明,本文提出的双层小波网络短时交通流预测法具有较高预测精度和较快的预测速度。
陈喆[5]2003年在《自适应与分数阶非平稳信号处理的研究》文中指出相当长一段时间内，人们对信号的分析仅仅局限于平稳情况。尽管人们经常面临大量的非平稳信号，受理论条件的限制，人们不得不将非平稳假设为平稳。根据对信号的种种假设，在许多情况下的处理效果是可以接受的。但更多情况下是不能接受的。对信号进行种种假设的目的是方便人们对信号进行处理时能够抓住事物矛盾的主要方面。如果假设有一定偏差，甚至是错误的，那么错误的假设将导致错误的结果，这就使信号处理工作本身失去了意义。正因为如此，20世纪80年代以后，非平稳信号的处理就成为亟待解决的问题，并受到人们的广泛关注，因而很自然地成为现代信号处理研究的热点之一。本文以自适应和分数阶傅立叶变换为主要技术路线，对非平稳信号处理的若干问题进行了深入研究，主要贡献如下。 ·给出了基于二阶循环统计量的改进LMS算法。 ·给出了周期自适应滤波器的自适应滤波器组直接实现结构。 ·给出了周期自适应滤波器的基于时间基函数展开的实现结构。 ·给出了线性周期时变系统的系统周期一种自适应估计算法。 ·给出了循环平稳随机信号的LPTV时变参数信号模型及该模型参数与信号循环统计量之间的关系。 ·给出了基于序列顺序置乱的信号白化算法：混沌序列乱序白化算法和伪随机序列乱序白化算法。 ·给出了基于输入信号乱序白化的改进LMS算法。 ·将小波神经网络引入时变参数信号模型中，给出了基于小波神经网络的自回归时参数信号模型。 ·给出了基于分数阶傅立叶变换的模糊函数，研究了它们的性质，重点讨论了分数阶模糊函数在叁次相位信息提取中的应用。 ·给出了基于分数阶傅立叶变换的倒谱。 ·给出了线性调频型分数阶傅立叶变换的一种自适应数值计算结构和算法。 本文共分七章，按照如下方式组织。 首先，在回顾主要时频分析方法的基础上，简要给出随后各章所要用到的一些专业背景知识和本文的主要研究内容。 其次，研究了平稳(或循环平稳)随机信号通过线性时不变(或周期时变)系统后输出信号的循环平稳性质。根据这些性质，给出了适于循环平稳输入的改进LMS算法，并从算法梯度估计噪声方面讨论了改进算法的性能。在线性周期时变系统这种特殊系统中，针对经典的自适应滤波器不能工作的问题，给出了适用于这种系统的周期自适应滤波器结构及算法。 第叁，循环平稳随机信号的循环谱密度等循环统计量也是一种描述信号的非参数方法，它与其它的参数化描述方法之间必然存在联系。本文对循环平稳随机信号的非参数化方法和时变参数信号模型法之间的关系进行研究，并给出它们之间显式(解析表达式)的内在联系。给出了循环平稳随机信号的LPTV型时变参数信号模型。 第四，对非平稳随机信号的时变参数信号模型法，特别是对于时变参数表示为一组时间基函数的线性组合问题进行研究。在前人工作的基础上，采用小波函数为基函数，给出基于小波神经网络的时变参数信号模型，并对其应用进行研究。 第五，时频分析中的基函数选择十分重要。好的基函数可以有效地将信号的主要特征浓缩于有限的几个展开系数中。分数阶傅立叶变换可以看作是傅立叶变换的推广，具有更广泛的代表性，将分数阶傅立叶变换与经典二次时频分析方法结合，可以得到分数阶wigner分布等广义化的分布。研究了广义化分布的主要性质和主要应用。 第六，在非平稳信号中，线性调频信号是一类应用广泛而又十分特殊的信号，滤波器频率特性未知的扫频滤波器是一个时变系统，研究线性调频信号通过这样一个系统后的复原问题。最后，对全文研究工作进行了总结，对下一步研究工作作了展望。
王硕禾[6]2008年在《基于短期负荷预测技术的电能控制系统研究》文中进行了进一步梳理针对国内外工业用电采用基础电费和实际用电费用两部制电价的情况,研究针对拥有多台大功率电弧炉的高能耗冶金企业,通过对负荷进行均衡调节,降低最大负荷,从而降低基本电费的用户需求侧能量控制系统。短期负荷预测(Short Time Load Forecasting,STLF)算法是课题的核心研究内容。本文主要完成如下几个方面的工作:对目前国内外同类技术研究动态进行分析,对主流短期负荷预测算法原理、方法和特点及存在的问题进行探讨。说明本研究工作的实际背景、必要性和重要意义。针对拥有多台大功率电弧炉供电系统负荷波动大、负荷容量难以选取的问题,独创性地提出一种基于阈交理论的负荷分析、计算新算法。该算法利用负荷中超阈值数据,采用方差分析方法构造一个阈值能量函数,获得阈值选取的依据。推导出穿越强度的计算公式,利用供电系统瞬时功率对阈值的穿越强度考察已选阈值的合理性。依据历史负荷数据,给出GM(1,1)模型最优原始数据长度的确定方法,利用残差修正、等维新息等方法对预测结果进行修正。针对灰色理论、重建相空间G.P算法和人工神经网络各自特点,独立提出一种将上述算法模型相结合的短期负荷预测算法(G-G-NN)。该算法利用灰色预测的累加生成和重建相空间的G.P算法对原始时间序列进行变换,生成规律性较强的时间序列相空间,而后利用神经网络模型进行预测。获得比使用单一神经网络模型更高的预测精度和更好的实时性。针对所研究系统短期负荷序列既有波动性又有特殊周期性的特点,利用小波良好的时频分析特性,将不同频率混合信号分解成不同频带上的信号,在各个尺度空间上利用不同的神经网络进行预测,而后进行重构完成预测。对利用不同小波函数进行预测的效果进行了比较和讨论,实际算例表明该算法可进一步提高负荷预测的精度。提出一种联合数据挖掘与支持向量机的短期负荷预测算法,该算法利用数据挖掘中聚类算法对原始数据进行初期处理,将海量输入进行压缩,取其聚类中心作为支持向量机预测模型的输入特征,而后利用交叉验证判别法选择SVM的最优核函数,最终完成短期负荷预测。实际算例表明,该方法可有效地克服数据有限性、不完整性及影响因素复杂性等对预测结果的影响,具有较大的实际应用价值。完成钢厂电能控制软件的研制和调试工作,利用Visual C++编程语言编写相关软件,形成可视化的人机交互式界面,实现对钢厂负荷的预测、控制和综合管理软件。
江铭炎[7]2005年在《软计算方法及其在通信信息处理中的应用研究》文中提出随着通信、计算机、电子学科的不断发展,其工程应用日趋广泛和深入,所采用的数学方法也随之不断地丰富,在大量的工程应用中由于信息处理的需求,软计算方法得到大量的应用,其理论也在不断的发展,其与其它方法的结合应用也在不断出现,使之在信息处理应用中显现出极大的重要性,本文主要对软计算方法(包括:小波理论、人工神经网络、优化算法、分形理论、混沌理论、数学形态学等)在信息处理中的应用进行了深入的研究,探讨了软计算方法在工程应用中出现的问题及不同数学方法的融合进行信息软计算处理方法及应用。 通信的信道是研究通信系统的重要部分,其模型及实际容量性能是重要的研究热点,论文首先研究了多径时变信道的模型,对多天线空间分集、信道编码时间分集、多载波调制频率分集叁种分集技术,给出了最新技术的特点并对其性能应用和组合系统应用进行了比较,给出了相关的技术研究热点和发展趋势。 针对目前通信中多径时变信道的特点,及载波频偏的影响,对信道的估计已成为通信系统中信息处理不可缺少的重要一环,包括各种非盲、半盲、盲的信道跟踪估计方法不断涌现,尤其是多天线空间分集的大量应用,使通信系统不断加大复杂程度的同时,系统性能不断得到提高,在此情况下,提出采用自适应滤波方法完成盲的多径时变信道估计。在多天线信道情况下研究了用Kalman滤波算法的非盲的信道估计算法,提出在多天线快变信道下的Kalman跟踪估计算法并应用于图像通信传输系统,在系统存在载波频偏的情况下仍能有效地跟踪信道。研究了蒙特卡罗算法,提出的基于蒙特卡罗算法的多天线时变信道的盲估计算法,在不需导频和存在频偏的情况下能有效地跟踪快变信道。 小波理论及工程应用近年来不断得到发展,本文分析研究了小波,多进制小波和复小波的理论,将它们分别应用于通信系统、信号处理、图像处理中,在去噪的应用中,提出基于小波去噪及小波插值的OFDM信道估计,有效提高OFDM系统中的信道估计精度和插值精度,提高系统的误比特率。提出小波变尺度阈值的维纳滤波去噪方法,可提高去噪性能;采用小波的方法对语音信号功率谱进行有效估计。将多进制小波及将复小波应用在图像水印嵌入,以提高其安全性能;将多进制小波和复小波应用于直接序列扩频通信,提出了窄带干扰去除算法,可有效提高去干扰能力。提出将小波和分形方法应用于图像插值放大,可有效地解决图像放大的精度问题。 对某一问题求最优解,是工程中常见问题,优化算法理论是当前研究计算智能的重要内容,其应用遍及信息处理的各个领域,其优化方法也在不断丰富,论文主要研究了遗传算法及粒子群算法,提出了采用其对小波去噪阈值最优估计算法;研究了人工鱼群算法,并将其应用于小波的阈值最优确定及滤波器设计。 多载波调制可有效提高系统传输速率,现在研究很热的是正交频分复用OFDM技术,论文将正交小波基应用到多载波调制中,提出基于小波包的高载波数调制方法并与OFDM系统在Rayleigh复变信道下做了比较,分析了小波多载波调制技术优点,其理论及应用正成为研究的一个热点。 由于通信信道的多径效应,将会导致通信系统中出现码间干扰,而克服码间干扰的手段是采用信道均衡技术,论文研究了小波神经网络,并将其应用到信道均衡,提出一种变尺度的小波神经网络信道均衡算法,可有效减少网络神经元数目,提高均衡质量,有效降低系统的误比特率。 通信信道编码是通信领域中研究的热点,论文针对当前的TURBO码进行了
刘丹红[8]2004年在《非线性协整与非线性波动协同持续建模研究》文中研究表明本文基于非线性经济市场特点主要研究目前金融市场与金融理论中经济系统存在的非线性关系,建立非线性时间序列模型和用来规避风险的非线性金融波动模型。本文研究了非线性协整关系并建立了非线性误差校正模型;建立了马尔科夫转换的资本资产定价模型;组合投资意义下的非线性协同持续建模研究;证明了协整与协同持续存在内在关系;向量GARCH模型的非线性协同持续的建模研究以及这些模型在中国股市的应用。论文的主要工作和创新点如下:本文针对用线性协整理论研究非线性经济系统的不足,提出利用小波神经网络进行非线性误差校正模型的研究,给出非线性误差校正模型的建模方法,完善了非线性协整理论,并对沪深股市进行实证研究;本文阐述了经典资本资产定价模型对于经济市场非线性变化的局限性,建立了马尔科夫转换的资本资产定价模型,并给出了最大似然函数的迭代计算,同时提出将禁忌遗传算法用来优化似然函数。通过实证研究,证明了马尔科夫转换的资本资产定价模型比经典资本资产定价模型有较好的预测效果;本文讨论了波动持续性的含义,对上海股市个股的持续性进行分析,由协同持续的思想,从组合投资的角度研究消除风险的持续性达到规避风险的途径。通过对上海股市实例分析,结果却发现线性组合后持续性不降低反而升高,进一步考虑金融市场的非线性性,提出了组合投资的非线性协同持续,扩展了协同持续的概念,同时给出了建模方法,组合投资的非线性协同持续丰富了动态组合投资理论。本文阐述了向量GARCH模型的持续性与协同持续含义,对于文献中已给出的两个协同持续定义,证明了它们之间存在内在联系,进一步建立了协整与协同持续的关系,给出了向量GARCH过程具有协同持续的条件,在矩意义下将协整与协同持续统一起来,并给出了检验方法;针对多维波动序列分量间的非线性均衡关系,对向量GARCH模型的协同持续概念进行了扩展,提出了向量GARCH模型的非线性协同持续概念,并引入了小波神经网络去逼近非线性协同持续函数。通过实证研究发现,多维波动序列的持续性,不能通过线性组合方式来消除,证明了不存在线性的协同持续关系,而存在非线性的协同持续关系,再一次验证了经济系统的非线性性。
赵其刚[9]2005年在《基于流量预测的下一代网络动态QoS研究》文中研究指明支持综合业务应用的下一代网络(NGN)的出现,要求在IP承载网上提供包括传统电信业务在内的多业务应用。NGN承载层与业务应用层间相互独立、缺乏有效协商的致命缺点使传统实时应用业务、保证型业务难以在NGN环境下获得传统电信业务所要求的QoS保证,这桎梏了NGN的大规模发展与应用。本文针对该问题,对承载层IP QoS控制与业务层接纳控制问建立有效协商机制所涉及的相关问题进行了系统研究。 为掌握NGN业务的IP流量特征,本文分析了当前主流的网络流量模型,并利用实测NGN流量数据对网络流量的重要特征进行了分析。论证了传统流量模型未能揭示NGN流量的本质特征,在NGN流量分析应用中具有严格局限性;自相似及混沌动学模型由于反映了NGN流量的本质变化,在NGN流量分析中可作为网络流量分析与建模的重要工具与方法;验证了NGN流量数据具有周期性、自相似性与混沌特性。 基于小波信号分解与神经网络信号预测的相关原理,将小波神经网络引入NGN流量预测中,根据该预测模型的特点与实际应用的需要提出了一个改进的小波神经网络预测模型。得出采用小波信号分解,并以分解流量信号训练BP网络将避免由于流量“混沌”特性而导致的网络振荡;采用具有尺度变化能力的小波信号取代神经网络的Sigmoid转移函数,可使神经网络对NGN流量信号具有更好的逼近效果与精度:以低频分量作为训练样本与预测数据的改进预测模型对预测效率具有有效改善。 基于NGN网络流量的混沌特性,提出对其时间序列进行相空间重构,提取其Lyapunov指数,并基于Lyapunov指数进行短期流量预测的混沌动力学预测模型。得出基于混沌动力学预测模型进行NGN流量预测时,需要的数据量少,且能有效利用所有的数据信息,预测方法算法复杂度低,计算量小,但该预测方法仅在短期预测前提下具有高效性,当预测时间变长时其预测精度下降。 基于IP QoS对NGN综合业务的重要影响,仿真分析了IntServ、DiffServ、DiffServ+MPLS叁种QoS方案,分析了各自的性能特征与适用范围。
参考文献：
[1]. 基于随机小波神经网络的一类随机过程的逼近[J]. 吴曦, 康会光. 安阳师范学院学报. 2002
[2]. 基于随机小波神经网络的一类随机过程的逼近[D]. 吴曦. 西北工业大学. 2001
[3]. 小波网络理论及其在经济预测中的应用研究[D]. 张新红. 天津大学. 2003
[4]. 基于小波理论的短时交通流预测方法研究[D]. 喻丹. 长沙理工大学. 2008
[5]. 自适应与分数阶非平稳信号处理的研究[D]. 陈喆. 大连理工大学. 2003
[6]. 基于短期负荷预测技术的电能控制系统研究[D]. 王硕禾. 天津大学. 2008
[7]. 软计算方法及其在通信信息处理中的应用研究[D]. 江铭炎. 山东大学. 2005
[8]. 非线性协整与非线性波动协同持续建模研究[D]. 刘丹红. 天津大学. 2004
[9]. 基于流量预测的下一代网络动态QoS研究[D]. 赵其刚. 西南交通大学. 2005
标签：自动化技术论文; 神经网络模型论文; 预测模型论文; 小波去噪论文; 网络模型论文; 信道估计论文; 正交变换论文; 经济模型论文; 随机过程论文; 随机算法论文; 协同软件论文; 协同设计论文; 时间序列论文; 非线性论文; 经济学论文; bp神经网络算法论文;