[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

技術領域

本發明涉及時間序列研究與分析領域，尤其涉及一種基于灰狼優化回聲狀態網絡的時序預測方法。

背景技術

時間序列作為按照時間排序的一組隨機變量，廣泛地存在于生活中的諸多領域，包括商業、氣象、金融、農業等。為了更好的認識事物的內在規律，時間序列的預測已成為廣泛研究關注的熱點問題之一。

由于時間序列較強的非線性和隨機性，為了更準確地對時間序列數據進行預測，各領域研究人員已提出多種時間序列預測模型。其中，回聲狀態網絡(Echo State Network,ESN)作為一種新型遞歸神經網絡，在非線性時間序列預測方面得到廣泛應用。它采用儲備池代替傳統神經網絡的隱層，其核心是對一些連接權重的訓練，通過簡單的線性回歸即可完成訓練過程。但由于ESN獨特的結構特性，傳統的ESN網絡訓練時需要大量的訓練樣本使得訓練困難，從而影響預測精度。

發明內容

本發明的目的在于避免現有技術的不足之處而提供一種基于灰狼優化回聲狀態網絡的時序預測方法。本發明的目的可以通過采用如下的技術措施來實現，設計一種基于灰狼優化回聲狀態網絡的時序預測方法，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參數得到最優解位置參數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目標函數與適應度函數，并根據灰狼捕食行為對灰狼位置信息進行更新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Wo^ut，利用回聲狀態網絡進行時序數據的預測。

其中，在向回聲狀態網絡中輸入時序數據和初始的Wo^ut，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。

其中，根據訓練集及初始的Wo^ut計算出的預測輸出序列公式如下：

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。

其中，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。

其中，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：

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。

其中，在對比目標函數與適應度函數，得到灰狼位置信息的最優結果的步驟中，包括步驟：

將適應度函數與三狼的目標函數進行比較，若適應度函數值小于目標函數值，則將目標函數值更新為適應度函數值，根據灰狼捕食行為計算三狼位置的最優解；