主成分分析与神经网络的结合在多变量序列预测中的应用
席剑辉1
韩敏2
1.沈阳航空工业学院,自动控制系,辽宁,沈阳,110034;大连理工大学电子与信息工程学院,辽宁,大连,1160232.大连理工大学电子与信息工程学院,辽宁,大连,116023
摘要：目前预测方法的研究主要集中在单变量时间序列上,本文建立起一种针对多元变量非线性时间序列建模和预测的方法框架.首先,同时考虑序列状态间的线性相关性和非线性相关性,建立初始延迟窗以包含充分的预测信息;然后,利用主成分分析(PCA)方法寻找不同变量在数据空间中的最大方差方向,扩展PCA应用于提取多个变量的综合信息,重构多元变量输入状态相空间;最后,利用神经网络逼近不同变量之间以及当前状态和将来状态之间的函数映射关系,实现多元变量预测.对R(o)ssler混沌方程和大连降雨、气温序列的预测仿真说明了本文方法的有效性,为多元变量时间序列分析提供了一条新的途径.
关键词：多元变量时间序列神经网络预测主成分分析
分类号：TP13(自动化基础理论)
资助基金：国家自然科学基金(60374064)
论文发表日期：2007-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 719-724 )
英文信息