计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2010年
24期
213-216
,共4页
时间序列%在线预测%司法消噪%最小二乘支持向量机%神经网络
時間序列%在線預測%司法消譟%最小二乘支持嚮量機%神經網絡
시간서렬%재선예측%사법소조%최소이승지지향량궤%신경망락
针对时间序列的在线精确预测问题,建立了融合预测算法.创新地提出了司法消噪算法,在保留数据的原始信息前提下,实现了对时间序列中数据噪声和新稳态的处理;利用经验模式分解方法对除噪后的数据进行平稳化分解处理;结合BP神经网络、最小二乘支持向量机分别对分解后的低频、高频项进行预测,实现对时间序列的在线精确预测.该算法克服了BP神经网络的高频易发散和最小二乘支持向量机的计算高耗时问题.基于患者呼吸周期序列预测的仿真和临床实验结果表明,该算法能实现时间序列的在线精确预测,且误差小于单一的BP算法,耗时小于单一的最小二乘支持向量机预测算法.
針對時間序列的在線精確預測問題,建立瞭融閤預測算法.創新地提齣瞭司法消譟算法,在保留數據的原始信息前提下,實現瞭對時間序列中數據譟聲和新穩態的處理;利用經驗模式分解方法對除譟後的數據進行平穩化分解處理;結閤BP神經網絡、最小二乘支持嚮量機分彆對分解後的低頻、高頻項進行預測,實現對時間序列的在線精確預測.該算法剋服瞭BP神經網絡的高頻易髮散和最小二乘支持嚮量機的計算高耗時問題.基于患者呼吸週期序列預測的倣真和臨床實驗結果錶明,該算法能實現時間序列的在線精確預測,且誤差小于單一的BP算法,耗時小于單一的最小二乘支持嚮量機預測算法.
침대시간서렬적재선정학예측문제,건립료융합예측산법.창신지제출료사법소조산법,재보류수거적원시신식전제하,실현료대시간서렬중수거조성화신은태적처리;이용경험모식분해방법대제조후적수거진행평은화분해처리;결합BP신경망락、최소이승지지향량궤분별대분해후적저빈、고빈항진행예측,실현대시간서렬적재선정학예측.해산법극복료BP신경망락적고빈역발산화최소이승지지향량궤적계산고모시문제.기우환자호흡주기서렬예측적방진화림상실험결과표명,해산법능실현시간서렬적재선정학예측,차오차소우단일적BP산법,모시소우단일적최소이승지지향량궤예측산법.
