《多元時間序列的特徵表達及模型最佳化》是依託大連理工大學,由韓敏擔任項目負責人的面上項目。
基本介紹
- 中文名：多元時間序列的特徵表達及模型最佳化
- 依託單位：大連理工大學
- 項目類別：面上項目
- 項目負責人：韓敏
項目摘要,結題摘要,
項目摘要
含有混沌特性的複雜系統往往表現出多元時間序列間相互作用的動態變化特性。如何從多元時間序列中選擇有效輸入變數、最佳化模型結構，進而建立高精度的時間序列預測模型具有較強的理論價值與現實意義。本項目針對多元時間序列建模過程中冗餘變數的引入可能導致的模型結構過於複雜、精度下降等問題，對下列內容進行研究：(1)採用偏互信息、因果關係等方法分析多元變數之間的影響及驅動關係，給出描述多變數間相互作用關係的一般性結論；(2) 在多元時間序列建模過程中，根據模型結構建立相應算法的懲罰函式，將變數選擇同建模算法相結合，提出全新的多元時間序列模型算法；(3)在完成多元時間序列模型框架的基礎上，利用機率估計方法對模型參數進行最優估計，實現多元時間序列模型最優參數的自適應估計。本項目將複雜系統建模理論與人工智慧方法相結合，為多元時間序列的結構最佳化提供新的思路和方法。
結題摘要
含有混沌特性的複雜系統往往表現出多元時間序列間相互作用的動態變化特性。針對多元時間序列的建模和預測問題，本項目從以下三方面進行了研究：（1）採用二階Renyi熵和Copula熵等對互信息進行估計，並設計了基於互信息的變數選擇方法從多元時間序列中選擇有效的輸入變數；（2）結合神經網路、支持向量機等方法，針對不同的預測問題，提出了幾種具體的多元時間序列預測模型，並對預測模型的結構、訓練算法等進行了最佳化；（3）在建立多元時間序列預測模型的基礎上，採用貝葉斯機率估計方法對模型的參數進行估計，避免複雜繁瑣的參數設定，實現了參數的自適應調整。本項目對多元時間序列預測建模的變數選擇、模型建立、參數最佳化等進行了積極的探索，取得了一批有價值的研究成果，發表論文50篇，錄用論文6篇，其中SCI，EI檢索共47篇次，並於2013年12月出版了專著《基於微粒群的神經網路預測控制理論及套用》、2011年12月出版了專著《基於儲備池的非線性系統預測理論與分析方法》，培養博士、碩士研究生11人。研究成果對多元時間序列的建模與預測研究具有重要的參考價值。
