[發明專利]一種基于灰狼優化回聲狀態網絡的時序預測方法

在審

• 申請號: 201711024876.X
• 申請日: 2017-10-27
• 公開（公告）號: CN107886193A
• 公開（公告）日: 2018-04-06
• 發明（設計）人: 王會青;李海芳;白瑩瑩;陳永樂;王彬
• 申請（專利權）人: 太原理工大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06N3/04;G06N3/08
• 代理公司: 太原晉科知識產權代理事務所(特殊普通合伙)14110
• 代理人: 任林芳

1.一種基于灰狼優化回聲狀態網絡的時序預測方法，其特征在于，包括：

初始化回聲狀態網絡中的參數，同時初始化灰狼算法中的最優解位置參數Positions()，將最優解位置參數Positions()作為初始的W^out，向回聲狀態網絡中輸入時序數據和初始的W^out，計算預測輸出序列；

根據實際輸出序列和預測輸出序列之間的誤差，計算誤差函數，并將誤差函數作為灰狼算法中的適應度函數；

分別對比灰狼算法中三狼的目標函數與適應度函數，同時根據灰狼的捕食行為更新灰狼的位置，得到最終的優化結果；

將最優結果作為回聲狀態網絡的輸出權重W^out，利用回聲狀態網絡進行時序數據的預測。

2.根據權利要求1所述的基于灰狼優化回聲狀態網絡的時序預測方法，其特征在于，在向回聲狀態網絡中輸入時序數據和初始的W^out，計算預測輸出序列的步驟之前，還包括步驟：

對時間序列數據進行預處理；其中，預處理的方式至少包括：降維、去噪、歸一化、局部均值分解、軟閾值去噪、改進小波熵分段、SAX符號表示。

3.根據權利要求1所述的基于灰狼優化回聲狀態網絡的時序預測方法，其特征在于，根據訓練集及初始的W^out，計算預測輸出序列的公式如下：

x(n+1)＝f(Wⁱⁿu(n+1)+Wx(n)+W^backy(n))

W^out＝Positions()

y(n+1)＝f^out(W^outu(n+1),x(n+1),y(n))；

式中，

u(n)＝u₁(n),u₂(n),u₃(n),...,u_K(n)，

x(n)＝x₁(n),x₂(n),x₃(n),...,x_N(n)，

y(n)＝y₁(n),y₂(n),y₃(n),...,y_L(n)

u(n)、x(n)、y(n)分別為回聲狀態網絡的輸入向量、狀態向量和輸出向量，M為x₁(n),x₂(n),x₃(n),...,x_N(n)構成的矩陣，T為y₁(n),y₂(n),y₃(n),...,y_L(n)構成的列向量，f和f^out分別為回聲狀態網絡儲備池處理單元和輸出處理單元的內部神經元的激活函數。

4.根據權利要求3所述的基于灰狼優化回聲狀態網絡的時序預測方法，其特征在于，回聲狀態網絡儲備池處理單元和輸出處理單元的內部神經元的激活函數為正切函數。

5.根據權利要求1所述的基于灰狼優化回聲狀態網絡的時序預測方法，其特征在于，將實際輸出序列和預測輸出序列之間誤差函數作為適應度函數的表達公式為：

fitness()=Σi=1N(y1-y)2N]]>

式中，y₁表示預測得到的輸出序列；y實際訓練的輸出序列；N為訓練輸出序列的長度。