基于历史误差模型和局域临域校正的预测融合算法

• 作者: 方甲永 王邑 肖明清
• 来源期刊: 仪器仪表学报
• 学科: 工学
• 关键词: 模糊神经网络 组合体 组合体聚合 信息融合 局域临域校正
• 年，卷（期）: 2011,（10）
• 所属期刊栏目: 学术论文
• 页码范围: 2283-2289
• 分类号: TP181
• 字数: 6469字
• 语种: 中文

摘要

针对预测模型的精度随机性较大,一些数据存在残缺和不确定性,需要融合多模型的组合体来减少预测误差的问题,提出了使用改进模糊RBF神经网络(FRNN)的误差模型的“局域临域校正”的组合体预测融合方法:通过预处理的FRNN误差模型来表征每个预测模型的实时性能,在预测时,利用误差模型,使用基于权值和偏好的融合作为预测模型组合体的聚合方法,将多个预测模型在线融合并给出最终预测结果.该方法将较大的权重赋予局部性能较优的预测模型,同时消除预测偏好的影响,并在预测前预处理所需误差模型.应用结果表明,构建的预测模型其预测精度相比单一预测模型有明显优势,且具有良好的在线预测实时性,具有推广和应用的价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	肖明清	空军工程大学自动测试系统实验室	222	1568	18.0	30.0
2	王邑	空军工程大学自动测试系统实验室	8	77	5.0	8.0
3	方甲永	空军工程大学自动测试系统实验室	19	110	7.0	9.0