基于LMS的三阶Volte...时间序列数据预测算法的研究_张小洁.pdf
《基于LMS的三阶Volte...时间序列数据预测算法的研究_张小洁.pdf》由会员分享,可在线阅读,更多相关《基于LMS的三阶Volte...时间序列数据预测算法的研究_张小洁.pdf(5页珍藏版)》请在咨信网上搜索。
1、 收稿日期:基金项目:年陕西省自然科学基础研究计划(青年人才项目)();陕西省教育厅自然科学专项();陕西省自然科学基础研究计划();陕西工业职业技术学院校级重点项目()第一作者:张小洁(),硕士,副教授,主要研究方向为智能制造与检测、数据挖掘技术。:基于 的三阶 自适应滤波器的时间序列数据预测算法的研究张小洁,白 蕾,(西部创新研究院;陕西工业职业技术学院,陕西 咸阳)摘要:为了确保工业复杂系统运行过程中的安全性和可靠性,对生产过程中的非线性数据进行预测分析成为一种有效手段。为了提高时间序列数据预测准确性,提出基于非线性归一化最小均方算法()的三阶 自适应滤波器预测算法。首先针对时间序列数据
2、的预测问题,利用有限项记忆单元的三阶 级数对复杂系统运行数据进行预测。针对权重初始值会严重影响预测效果的问题,采用 自适应滤波算法对滤波器系数进行在线更新,对未来时刻的数据进行预测。最后利用联合循环发电厂数据对该预测算法进行实验,火电厂运行数据的预测值和实际观测值之间的误差很小,说明基于 的三阶 自适应预测算法具有较好的预测效果,能够为实际的预测及控制提供有利的依据。关键词:时间序列数据;自适应中图分类号:文章编号:()文献标识码:,(;,):,(),:;引言复杂系统已经广泛的存在于航空、航天、电子、机械、医疗等领域,成为人们生活中的一部分。这些系统无论出现任何故障,危害都是巨大的。在工业复杂
3、系统中随处可见各种不确定性现象,并且随工业仪表与自动化装置 年第 期着系统的大型化、智能化的发展,系统的不确定性也会愈加明显,带来的可靠性问题不容忽视。因此复杂系统的可靠性研究成为了一个备受关注的热点。复杂系统的工作寿命以及工作效率取决于其性能及可靠性,并且系统灾难性的故障难以通过事后维修和计划性维修预防,而且维修还会引起不必要的停机,从而带来维修损坏风险。因此,利用系统运行中的过程数据对系统的可靠性进行分析十分必要。如果设备的真实运行状态无法用过程数据反映出来,自动控制系统运行也会收到直接影响。因此,为了保证复杂系统运行的安全性和经济性,做好测量数据的预测和验证是十分必要的。一般情况下,利用
4、物理量的合理阈值来衡量测量值是否正确是一种比较粗糙的判断方法,这种方法无法准确判断阈值范围内的测量值是否准确。而利用预测值对系统运行过程状态值进行准确性判断是一种有效途径,同时预测值可以在传感器故障而无法值提供测量值时替代状态测量值完成后续工作。数据预测方法被证实是一种非常有效的手段,并得到了非常广泛的应用。经过不断研究,学者们提出了全局预测法、局域预测法和非线性自适应预测法等多种预测时间序列的方法。其中,非线性自适应预测法相较于全局预测法、局域预测法具有更多的优点,尤其是在工程应用中有更好的效果。由于变量的信息随着时间在不断发生变化,并且过程数据是非线性的时间序列数据,导致常用预测算法的预测
5、效果不佳。因此,为了克服线性滤波器的缺陷并使预测性能得到较好的提高,近年来非线性滤波理论已成为人们研究的热点。滤波器结构简单,综合考虑了系统的线性和非线性结构,以其良好的性能较适合构建各种系统的非线性模型。在系统辨识、回波对消、信道均衡、图像处理、混沌预测等领域 滤波器的应用十分广泛。在时间序列的非线性自适应预测中,滤波器因其输出是其滤波核的线性函数,易于用现有的线性分析工具来分析其滤波性能,已经成为最广泛使用的预测模型之一。针对非线性时间序列数据的预测问题,经过大量的理论研究和实践表明,级数对这样的时间序列的预测是很有效的。由于二阶 级数的非线性的逼近能力有限,导致预测结果不理想,并且 滤波
6、器表示非线性系统时的复杂性是该方法的主要问题。因此该文选择三阶 级数对系统未来的数值信息进行在线预测,获取未来的数值信息。为了在滤波器的系数减少的情况下获得良好的预测性能,采用非线性归一化 算法更新各个系数。最后利用实际工业复杂系统生产数据对本算法进行验证。实验表明,基于 的三阶 自适应滤波器的时间序列数据预测算法能够准确的预测未来数据,因此具有很好的使用前景。基于 的三阶 自适应滤波器的时间序列数据预测算法 首先利用 组历史数据和 组当前的数据定义输入数据为:()(),(),()()一步预测的输出为:()()()则该非线性系统的三阶 级数可表示为:()()()()(,)()()(,)()()
7、()()式中:,(),(,),(,)是 的核,也就是 级数滤波器的系数。如果将公式()中的无穷项改为有限项的话,也就意味着它的记忆单元为有限项的数值。使用 组数据进行预测,因此可以将无穷换为,此时的记忆单元就为 个数据,这样所有的三阶滤波器的系数总和为 。随着阶次的不断提高,那么 算法的计算量是会呈现几何倍数增长的。为了降低计算复杂度、减小滤波器系数和计算复杂度,将带常数项的 滤波器的乘积耦合用于求解过程中,此时滤波器的输出就被定义为如下形式:()()(,()(,()(,()()年第 期 工业仪表与自动化装置式中:,都是滤波器的系数。简化后滤波器的系数减少为 ,与之前相比数量和计算复杂度都大大
8、减少。对式()利用非线性归一化的 算法对滤波器系数进行在线更新。该文采用一步预测法,训练阶段,使用 组数据预测下一时刻的数值,得到了预测值和测得的真实值进行比较,得到误差,使用误差再次对所有的滤波器的系数进行更新。迭代过程会不断地提高精度,误差逐渐地减小,最后获得理想的预测结果。假设在 时刻系统实际的输出为(),预测的输出为(),滤波器的系数为,则在 时刻的误差可以表示为:()()()()使代价函数最小的非线性归一化 自适应滤波算法为:()()()()()()式中:是使系统能够稳定收敛的一个常数;是收敛控制的辅助常数(,),因此上述的三阶滤波器可以简化为:()()()()()()()()式中:
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 LMS Volte 时间 序列 数据 预测 算法 研究 张小洁
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。