基于EMD-ESN的智能預(yù)測(cè)方法研究.pdf

1、數(shù)據(jù)預(yù)測(cè)方法廣泛應(yīng)用于數(shù)據(jù)采集、工業(yè)控制、智能處理等領(lǐng)域，目前的主要預(yù)測(cè)方法包括:時(shí)間序列法，卡爾曼濾波法，混沌理論法，人工神經(jīng)網(wǎng)絡(luò)法，支持向量機(jī)的方法等等。這些預(yù)測(cè)方法存在著預(yù)測(cè)精度和效率較低，預(yù)測(cè)速度較慢等問(wèn)題，有待提高。
　　 本文針對(duì)這些問(wèn)題進(jìn)行改進(jìn)，基于經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)與回聲狀態(tài)網(wǎng)絡(luò)(ESN)，提出一套組合智能預(yù)測(cè)方法，本文結(jié)構(gòu)與主要研究?jī)?nèi)容:
　　 1、論述了預(yù)測(cè)方法的研究意義及發(fā)展現(xiàn)狀。對(duì)常用組合預(yù)測(cè)

2、方法進(jìn)行介紹，確定本文所用的兩種方法，即經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)與回聲狀態(tài)網(wǎng)絡(luò)(ESN)。本文基于以上兩種方法，建立了一種新型的EMD-ESN組合預(yù)測(cè)模型。該模型利用EMD對(duì)數(shù)據(jù)進(jìn)行分解，并對(duì)分解的數(shù)據(jù)分別建立ESN網(wǎng)絡(luò)進(jìn)行識(shí)別，再將識(shí)別結(jié)果進(jìn)行疊加，獲得最終預(yù)測(cè)值。
　　 2、基于本文提出的EMD-ESN模型，將其應(yīng)用于短期電力負(fù)荷預(yù)測(cè)中，進(jìn)行單變量數(shù)據(jù)預(yù)測(cè)。利用一段負(fù)荷序列的EMD分解所得的分量值作為回聲狀態(tài)網(wǎng)絡(luò)的輸入與比較輸

3、出，訓(xùn)練網(wǎng)絡(luò)，并利用訓(xùn)練好的網(wǎng)絡(luò)對(duì)下一段時(shí)間的負(fù)荷值分量進(jìn)行預(yù)測(cè)，將預(yù)測(cè)所得分量值相加后得到最終的電力負(fù)荷預(yù)測(cè)值。
　　 3、對(duì)上述的單變量EMD-ESN模型進(jìn)行擴(kuò)展，進(jìn)行多變量預(yù)測(cè)，并將其應(yīng)用到熱輥溫度控制系統(tǒng)中，進(jìn)行多變量預(yù)測(cè)。在進(jìn)行多變量預(yù)測(cè)時(shí)，需對(duì)擴(kuò)展的每個(gè)變量均進(jìn)行EMD分解，EMD分解要考慮多個(gè)變量的各分解值個(gè)數(shù)相等或不相等兩種情況下，回聲狀態(tài)網(wǎng)絡(luò)的輸入要區(qū)別對(duì)待。
　　 4、將以上多變量預(yù)測(cè)的結(jié)果與模糊PI