非线性多步预测与优化方法及其在水文预报中的应用

论文摘要

非线性时间序列预测与优化是非线性动态复杂系统中的两个重要组成部分，被广泛应用于气象、水文、医学、电子、信息科学等众多领域。时间序列多步预测是指预测未来多个点的数据，相对于单步预测而言，有着更加重要的应用价值；非线性优化问题如非线性系统辨识等大都可转化为函数优化问题，而多峰值函数和多模态函数的寻优方法一直是优化技术领域中的一个难点和研究热点；此外，在工程应用领域，水文中长期预报和水文模型参数优选是水文预报中的两大重点问题，一直以来都受到水文界的关注。本文就非线性多步预测与优化问题作如下研究： 1．针对间接多步预测中不可避免的误差累积现象，建立了一个基于样条插值和自适应时延神经网络的三阶段混合模型（spline-interpolation adaptive time-delay neural network，SATNN），模型中使用插值技术，在预测点前的若干数据点间，逆时序插入数量逐渐递增的虚拟数据，形成一个动态新序列，使之作为自适应时延神经网络的输入数据，增加了远离预测点数据对预测模型的影响，当前次预测值迭代到神经网络的输入端后，可以减小预测误差对后续点预测的影响，提高了间接多步预测的可靠性，本模型还特别适合小样本数据序列。以两个基准时间序列为对象进行了仿真，研究结果表明该模型是一个有效的间接多步预测方法。 2．建立了一个基于经验模式分解与混沌分析的直接多步预测模型（EMD DRNN）。模型中通过模式分解方法，把原始时间序列分解成不同尺度的基本模式分量，通过各基本模式分量使原始序列中包含的信息得以充分体现，而且还简化了非线性系统中特征信息的干涉或耦合，对每一个分量而言，减少了序列内在的非线性复杂性，进而减小各步预测模型之间的区别，使模型能够有能力去学习多种不同的目标函数；然后，根据各序列的混沌特性，设计合理的动态递归神经网络结构，最后再进行组合预测。通过太阳黑子年平均数和Mackey-Glass序列的测试，验证了该模型的优越性。 3．针对多模态函数的多峰优化问题，提出了一个改进的信息熵免疫优化算法（improved information-entropy-based immune algorithm，ⅢA）。算法中改进了信息熵浓度选择算子，并首次提出了云模型变异算子，使算法克服了信息熵法在函数优化中计算抗体亲合度和抗体浓度时存在的问题；同时，通过云模型变异算子加入一定的随机与规律的成分，使个体的选择与变异在更加自然、合理的指导模型下进行。通过几种典型的多峰函数寻优测试，证明该算法能够较好地实现全局最优解和局部最优解的同步搜索和保持，具有较强的多峰优化能力。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 选题背景与意义
• 1.2 非线性时间序列预测
• 1.2.1 非线性时间序列
• 1.2.2 非线性时间序列预测的定义与分类
• 1.2.3 非线性时间序列预测研究进展
• 1.3 免疫优化计算
• 1.3.1 生物免疫系统机理
• 1.3.2 人工免疫算法的产生与发展
• 1.3.3 人工免疫系统在优化中的应用
• 1.4 水文预报
• 1.4.1 中长期水文预报的研究现状
• 1.4.2 水文模型参数优选的研究现状
• 1.5 本文主要研究内容
• 2 基于插值和ATNN的间接多步预测模型
• 2.1 引言
• 2.2 背景知识
• 2.2.1 间接多步预测
• 2.2.2 三次样条函数插值
• 2.2.3 ATNN动态神经元结构
• 2.3 三阶段SATNN与算法
• 2.3.1 模型结构
• 2.3.2 算法
• 2.4 实验结果与讨论
• 2.4.1 太阳黑子年平均数序列
• 2.4.2 Mackey-Olass
• 2.5 结论
• 3 基于EMD与混沌分析的直接多步预测模型
• 3.1 引言
• 3.2 背景知识
• 3.2.1 经验模式分解法
• 3.2.2 基于混沌分析的动态递归神经网络
• DRNN多步预测模型'>3.3 EMD_DRNN多步预测模型
• 3.3.1 模型结构
• 3.3.2 算法
• 3.4 实验结果与讨论
• 3.4.1 太阳黑子年平均数序列
• 3.4.2 Mackey-Glass
• 3.5 结论
• 4 改进的信息熵免疫多峰值函数优化算法
• 4.1 引言
• 4.2 背景知识
• 4.2.1 基于信息熵的免疫算法
• 4.2.2 变异算子的研究
• 4.2.3 去理论
• 4.3 改进的多峰值函数优化算法
• 4.3.1 浓度选择算子的改进策略
• 4.3.2 变异算子的改进策略
• 4.3.3 算法描述
• 4.4 实验研究与讨论
• 4.4.1 实验设讨与参数设置
• 4.4.2 实验结果与分析
• 4.5 结论
• 5 基于双状态空间编码的离散免疫网络
• 5.1 引言
• 5.2 背景知识
• 5.2.1 人工免疫网络模型
• 5.2.2 免疫网络的状态空间
• 5.2.3 模糊C-均值聚类的改进
• 5.3 模型及算法描述
• 5.3.1 模型简化假设
• 5.3.2 双状态空间编码
• 5.3.3 BDIN结构与算法
• 5.4 测试实验与结果分析
• 5.5 结论
• 6 非线性多步预测与优化方法在水文预报中的应用
• DRNN在径流中长期预报中的应用'>6.1 EMD_DRNN在径流中长期预报中的应用
• 6.1.1 引言
• 6.1.2 研究背景
• 6.1.3 模型构建
• 6.1.4 综合比较分析
• 6.2 BDIN在水文模型参数优选中的应用
• 6.2.1 引言
• 6.2.2 背景知识
• 6.2.3 结果与分析
• 6.3 小结
• 7 结论与展望
• 参考文献
• 攻读博士学位期间发表学术论文和科研情况
• Ⅰ 发表学术论文
• Ⅱ 参加课题
• 创新点摘要
• 致谢