回聲狀態(tài)網(wǎng)絡(luò)的非線性系統(tǒng)自適應(yīng)辨識(shí).pdf

1、本文主要探討混沌非線性系統(tǒng)辨識(shí)及預(yù)測(cè)的機(jī)理問(wèn)題。非線性動(dòng)力系統(tǒng)辨識(shí)過(guò)程中噪聲的普遍存在掩蓋了這些系統(tǒng)的動(dòng)態(tài)特性，極大地影響了混沌非線性系統(tǒng)的辨識(shí)精度和混沌時(shí)間序列的預(yù)測(cè)精度。因此，在對(duì)混沌非線性系統(tǒng)進(jìn)行辨識(shí)及預(yù)測(cè)前，首先需要對(duì)實(shí)際觀測(cè)的混沌時(shí)間序列進(jìn)行有效的噪聲去除。本文采用一種非線性局部平均去噪方法，對(duì)混沌時(shí)間序列進(jìn)行噪聲去除。該方法能更好地校正相空間中點(diǎn)的位置，使其逼近真實(shí)的混沌吸引子軌跡，重構(gòu)吸引子結(jié)構(gòu)，計(jì)算簡(jiǎn)單可靠。數(shù)值仿真結(jié)果

2、驗(yàn)證了此方法的有效性，為混沌非線性系統(tǒng)的辨識(shí)和混沌預(yù)測(cè)奠定了基礎(chǔ)。在傳統(tǒng)的辨識(shí)方法中，預(yù)測(cè)只能使用固定的數(shù)據(jù)確立固定的預(yù)測(cè)模型。為克服這一缺點(diǎn)，本文提出一種混沌時(shí)間序列的在線自適應(yīng)預(yù)測(cè)方法。該方法基于一種具備“儲(chǔ)備池”機(jī)制的新型遞歸神經(jīng)網(wǎng)絡(luò)：回聲狀態(tài)網(wǎng)絡(luò)(ESN)。ESN可以有效地處理非線性系統(tǒng)辨識(shí)以及混沌時(shí)間序列的預(yù)測(cè)問(wèn)題，其特有的儲(chǔ)備池機(jī)制使得非線性系統(tǒng)的問(wèn)題可以簡(jiǎn)單地用線性方法處理，預(yù)測(cè)算法較使用傳統(tǒng)遞歸神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)方法更簡(jiǎn)單。

3、本文基于Takens定理和混沌時(shí)間序列重構(gòu)相空間理論，選取合適的嵌入維數(shù)，將時(shí)間序列嵌入到相空間中；通過(guò)選取具有儲(chǔ)備池機(jī)制的回聲狀態(tài)網(wǎng)絡(luò)ESN作為網(wǎng)絡(luò)預(yù)測(cè)模型，建立一種直接預(yù)測(cè)方法，直接構(gòu)建預(yù)測(cè)原點(diǎn)和預(yù)測(cè)時(shí)域之間的定量關(guān)系。在此基礎(chǔ)上分別結(jié)合卡爾曼濾波算法和最小均方差算法進(jìn)行線性部分的信號(hào)估計(jì)，其中卡爾曼濾波和最小均方差算法都是最優(yōu)狀態(tài)估計(jì)方法，用于在線更新預(yù)測(cè)模型的參數(shù)。將這種在線自適應(yīng)預(yù)測(cè)方法應(yīng)用于月太陽(yáng)黑子數(shù)的預(yù)測(cè)問(wèn)題中，仿真結(jié)果