کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6856205 1437948 2018 29 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Wavelet-denoising multiple echo state networks for multivariate time series prediction
ترجمه فارسی عنوان
شبکه های دولتی اکو چندگانه را برای پیش بینی سری چند متغیره تخلیه می کند
کلمات کلیدی
شبکه های دولتی اکو الگوریتم انهدام موجک، سری زمانی چند متغیره، پیش بینی،
ترجمه چکیده
در این مقاله با انگیزه ای از «تجزیه و سازگاری»، این مقاله یک روش جدید مبتنی بر الگوریتم تخلیه موجک و چندین شبکه حالت اکو را برای بهبود دقت پیش بینی سری های چند متغیره پر سر و صدا ارائه می دهد. سری زمانی پر سر و صدا ابتدا توسط الگوریتم آستانه نرم ویولت نرم شده و به مجموعه ای از سری های سازنده رفتار می شود. هر سری سازنده توسط یک شبکه دولتی جداگانه جداگانه با پارامترهای مناسب مطابق با پویایی تعیین شده پیش بینی می شود. در نهایت، پیش بینی کلی توسط یک ترکیب خطی از سری های سازنده به دست می آید. برای هر مجموعه ساختاری، ما از روش انتگرال همبستگی برای انتخاب پارامترهای فاز بازسازی و ساختن ورودی مناسب استفاده می کنیم. دو مجموعه سری چند متغیره با استفاده از مدل پیشنهادی و برخی دیگر کار مرتبط مورد بررسی قرار می گیرد. نتایج شبیه سازی اثربخشی روش پیشنهادی را نشان می دهد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
پیش نمایش مقاله
شبکه های دولتی اکو چندگانه را برای پیش بینی سری چند متغیره تخلیه می کند
چکیده انگلیسی
Motivated by the idea of 'decomposition and ensemble', this paper proposes a novel method based on the wavelet-denoising algorithm and multiple echo state networks to improve the prediction accuracy of noisy multivariate time series. The noisy time series is first denoised by a wavelet soft thresholding algorithm and decomposed into a set of well-behaved constitutive series. Each constitutive series is then predicted by a separate echo state network with proper parameters that match the specified dynamics. Finally, the overall prediction is achieved by a linear combination of the constitutive series. For each constitutive series, we use the correlation integral method to select the phase-reconstruction parameters and to construct the appropriate input. Two sets of multivariate time series are investigated using the proposed model and some other related work. The simulation results demonstrate the effectiveness of the proposed method.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Information Sciences - Volume 465, October 2018, Pages 439-458
نویسندگان
, , ,