基于BMAC-RLS模型的复杂系统行为预测方法及其应用

• 作者: 傅忠谦 杨晓宇 王卫平
• 来源期刊: 模式识别与人工智能
• 学科: 工学
• 关键词: 行为预测 神经网络 主成分分析(PCA) 递推最小二乘 电力负荷预测
• 年，卷（期）: 2007,（2）
• 所属期刊栏目: 研究与应用
• 页码范围: 266-270
• 页数: 5页
• 分类号: TP314
• 字数: 3922字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6059.2007.02.021

摘要

复杂系统行为预测是复杂系统管理与决策的重要内容.为了在确保预测准确性的前提下提高系统预测的稳定性和泛化能力,提出一种基于主成分分析结合加入B样条的连续CMAC递推最小二乘算法(CMAC-RLS)的组合模型的预测方法(PCA-BMAC-RLS).首先利用主成分分析来降低输入变量的维数以减少CMAC权系数空间.其次采用BMAC-RLS算法以确保权值的收敛且能提供函数的微分信息以适合复杂系统的在线建模.最后以实际应用为例,对比采用RBF神经网络模型和本文的PCA-BMAC-RLS组合模型的预测实验.实验结果显示,本文方法具有稳定性好、泛化能力强、运行速度快、预测精度高等显著优点.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王卫平	中国科学技术大学信息管理与决策科学系	81	1386	21.0	33.0
2	傅忠谦	中国科学技术大学电子科学与技术系	64	706	12.0	25.0
3	杨晓宇	中国科学技术大学电子科学与技术系	14	171	5.0	13.0