回聲狀態(tài)網(wǎng)絡(luò)時(shí)間序列分類與預(yù)測：理論、模型與應(yīng)用
本書基于回聲狀態(tài)網(wǎng)絡(luò)ESN研究時(shí)間序列分類和預(yù)測問題：第一，分析了面向時(shí)間序列分析的ESN；第二，研究了基于DE和ESN的時(shí)間序列分類方法；第三，研究了基于BSA優(yōu)化ESN的時(shí)間序列預(yù)測方法；第四，研究了基于組合ESN的時(shí)間序列預(yù)測方法；第五，設(shè)計(jì)了基于小波ESN的旅游需求預(yù)測模型；第六，構(gòu)建了基于雙儲(chǔ)備池ESN的電力負(fù)荷預(yù)測模型；第七，設(shè)計(jì)了基于VMD和改進(jìn)ESN的風(fēng)速預(yù)測模型；第八，提出了基于Bagging和ESN的能源消費(fèi)量預(yù)測。這些研究成果可以幫助行業(yè)和企業(yè)管理人員提高復(fù)雜數(shù)據(jù)環(huán)境下的預(yù)測水平。
更多科學(xué)出版社服務(wù)，請掃碼獲取。
目錄
1 面向時(shí)間序列分析的ESN 1
1.1 時(shí)間序列分析面臨的挑戰(zhàn) 1
1.2 ESN原理分析 5
1.3 ESN時(shí)間序列分類 11
1.4 ESN時(shí)間序列預(yù)測 14
1.5 本章小結(jié) 17
2 基于DE和ESN的時(shí)間序列分類 18
2.1 引言 18
2.2 分類器Conceptor 19
2.3 基于ADE算法優(yōu)化的分類器 23
2.4 數(shù)值實(shí)驗(yàn)和結(jié)果分析 27
2.5 本章小結(jié) 38
3 基于BSA優(yōu)化ESN的時(shí)間序列預(yù)測 39
3.1 引言 39
3.2 BSA及其改進(jìn) 41
3.3 設(shè)計(jì)的BSA-ESN混合預(yù)測模型 46
3.4 數(shù)值實(shí)驗(yàn)和結(jié)果分析 48
3.5 本章小結(jié) 59
4 基于組合ESN的時(shí)間序列預(yù)測 61
4.1 引言 61
4.2 所選個(gè)體預(yù)測模型分析 65
4.3 線性組合預(yù)測模型 69
4.4 數(shù)值實(shí)驗(yàn)和結(jié)果分析 79
4.5 本章小結(jié) 86
5 基于小波ESN的旅游需求預(yù)測 87
5.1 引言 87
5.2 具有小世界特性的小波ESN預(yù)測模型 90
5.3 基于SW-W-ESN模型的旅游需求預(yù)測 95
5.4 本章小結(jié) 103
6 基于雙儲(chǔ)備池ESN的電力負(fù)荷預(yù)測 104
6.1 引言 104
6.2 改進(jìn)BSA優(yōu)化雙儲(chǔ)備池ESN的混合預(yù)測模型 106
6.3 基于IBSA-DRESN的單因素電力負(fù)荷預(yù)測 115
6.4 基于IBSA-DRESN的多因素電力負(fù)荷預(yù)測 123
6.5 本章小結(jié) 130
7 基于VMD和改進(jìn)ESN的風(fēng)速預(yù)測 131
7.1 引言 131
7.2 構(gòu)建的VMD-DE-ESN混合預(yù)測模型 134
7.3 實(shí)驗(yàn)設(shè)置 138
7.4 實(shí)驗(yàn)結(jié)果展示與分析 142
7.5 本章小結(jié) 158
8 基于Bagging和ESN的能源消費(fèi)量預(yù)測 160
8.1 引言 160
8.2 設(shè)計(jì)的BDEESN預(yù)測模型 162
8.3 實(shí)驗(yàn)設(shè)置 165
8.4 實(shí)驗(yàn)結(jié)果展示與分析 172
8.5 本章小結(jié) 180
參考文獻(xiàn) 182
后記 198
書單推薦
