18590.基于智能計(jì)算技術(shù)的時(shí)間序列分割及預(yù)測研究

1、大連理工大學(xué)博士學(xué)位論文摘要徑流、降水、溫度等水文氣象時(shí)間序列是用于研究與地球相關(guān)現(xiàn)象的基本數(shù)據(jù)之一。自然因素與人類活動(dòng)引起環(huán)境的漸進(jìn)性與顛覆性改變會(huì)導(dǎo)致水文氣象時(shí)間序列的漸進(jìn)變化或跳躍變化。水文氣象時(shí)間序列的分割與預(yù)測研究有助于理解自然因素或人類活動(dòng)引起的人類生存環(huán)境的改變。由于在研究與實(shí)踐中的重要性，對徑流、降水、溫度等水文氣象記錄的分割與預(yù)測問題已經(jīng)受到廣泛關(guān)注。水文氣象時(shí)問序列的分割與預(yù)測問題已成為水文氣象科學(xué)研究的重要課題。新

2、興的智能計(jì)算技術(shù)在計(jì)算效率上具有十分顯著的優(yōu)越性，并已廣泛應(yīng)用于水文氣象時(shí)間序列的分割與預(yù)測研究。本文采用智能計(jì)算技術(shù)對水文氣象時(shí)間序列進(jìn)行分割與預(yù)測，主要研究內(nèi)容包括三個(gè)部分：(1)提出用于自動(dòng)模糊分割一元與多元水文氣象時(shí)間序列的改進(jìn)的GathGeva聚類算法。該算法把時(shí)間序列分割問題看成是Gam—Geva聚類，采用最小信息長度準(zhǔn)則作為分割階數(shù)的選擇標(biāo)準(zhǔn)。改進(jìn)的GathGeva聚類算法具有以下優(yōu)點(diǎn)：首先，具有非監(jiān)督特性，可以自動(dòng)確定最

3、優(yōu)的分割階數(shù)；其次：在經(jīng)典GathGeva聚類中采用分量形式的期望最大化算法以避免經(jīng)典的期望最大化算法中對初值敏感及需要避免收斂到參數(shù)空間的邊界等缺點(diǎn)；另外，通過把分割階數(shù)選擇與模型參數(shù)估計(jì)過程緊密結(jié)合，可以提高算法的穩(wěn)定性。(2)提出一種用于自動(dòng)模糊分割多元時(shí)間序列的競爭模糊聚類算法。該算法基于新的競爭機(jī)制，能夠自動(dòng)確定聚類數(shù)目并有效的選擇“分裂”或“合并”操作。而且該算法對聚類數(shù)目與模型參數(shù)不敏感。人工數(shù)據(jù)實(shí)驗(yàn)表明該算法能夠檢測出多

4、元時(shí)間序列的概率特性的改變(均值改變、方差改變與變量相關(guān)結(jié)構(gòu)的改變)。(3)注意到用于水文氣象時(shí)間序列預(yù)測的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)通常是靜態(tài)的，而靜態(tài)神經(jīng)網(wǎng)絡(luò)無法有效反映系統(tǒng)動(dòng)態(tài)的變化。本文利用序貫學(xué)習(xí)的徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)對水文氣象時(shí)間序列進(jìn)行精確實(shí)時(shí)預(yù)測。該預(yù)測模型采用滑動(dòng)數(shù)據(jù)窗口作為動(dòng)態(tài)觀測器來調(diào)整網(wǎng)絡(luò)結(jié)構(gòu)和參數(shù)以適應(yīng)水文氣象時(shí)間序列的動(dòng)態(tài)變化。采用這三個(gè)算法對人工和水文氣象時(shí)間序列進(jìn)行分割與預(yù)測仿真實(shí)驗(yàn)結(jié)果驗(yàn)證了這三個(gè)算法對于時(shí)間序列分割與