推荐星级:
  • 1
  • 2
  • 3
  • 4
  • 5

基于相空间重构与最小二乘支持向量机的时延预测

更新时间:2019-12-24 07:30:31 大小:2M 上传用户:zhiyao6查看TA发布的资源 标签:最小二乘支持向量机时延预测 下载积分:1分 评价赚积分 (如何评价?) 打赏 收藏 评论(0) 举报

资料介绍

针对网络控制系统的时延预测问题,提出一种基于相空间重构与最小二乘支持向量机的时延预测方法.首先利用0-1测试法确定时延序列具有混沌特性,引入相空间重构技术提高预测精度.对实际采集的时延序列进行Hurst指数分析,选择最小二乘支持向量机作为预测模型.然后利用C-C方法确定时延序列相空间重构参数,通过递归图确定时延序列的局部可预测性,利用遗传算法对最小二乘支持向量机的参数进行离线优化.最后通过优化后的最小二乘支持向量机并结合相空间重构对时延序列进行在线预测.与其它预测方法进行了仿真对比,结果表明本文方法具有更高的预测精度与更小的预测误差,同时并未降低预测算法的实时性.


部分文件列表

文件名 大小
基于相空间重构与最小二乘支持向量机的时延预测.pdf 2M

部分页面预览

(完整内容请下载后查看)
5
Vol. 45 No. 5  
May 2017  
2017  
5
ACTA ELECTRONICA SINICA  
于相重构与  
支持向延预  
1
1
1
1
2
, , , ,  
田中大 张 超 李树江 王艳红 沙 毅  
( 1.  
大学信息科学与工程学辽宁阳  
110870; 2.  
大学计科学与工程学辽宁阳  
110819)  
:
针对网络控制延预问题 提出一种基于相重构与支持向延预方  
法 首利用  
0-1  
.  
测试序列具有特性 重构对实集的序列进  
Hurst  
.  
指数分析 选择支持向作为型 然利用  
C-C  
序列重构过  
.  
归图序列性 利用算法支持向线优化 最后优化的  
,  
支持向并结合相重构对序列行在线其它仿真比 结果表明本文方  
法具有测误同时并算法的实性  
:
;
;
;
关键词  
中图分类号  
URL: http: / /www. ejournal. org. cn  
网络控制统 相重构 支持向延预测  
TP273 0372-2112 ( 2017) 05-1044-08  
DOI: 10. 3969 /j. issn. 0372-2112. 2017. 05. 003  
:
:
A
:
文章编号  
文献标识码  
电子学报  
Time-Delay Prediction Based on Phase Space  
Reconstruction and Least Squares Support Vector Machine  
1
1
1
1
2
TIAN Zhong-da ZHANG Chao LI Shu-jiang WANG Yan-hong SHA Yi  
( 1. College of Information Science and EngineeringShenyang University of TechnologyShenyangLiaoning 110870China;  
2. School of Computer Science and EngineeringNortheastern UniversityShenyangLiaoning 110819China)  
Abstract: In order to solve time-delay prediction problem of networked control systema time-delay prediction meth-  
od based on phase space reconstruction and least squares support vector machine is proposed in this paper. Firstly0-1 test al-  
gorithm for chaos is used to determine the chaotic characteristics of the time-delay sequenceand the phase space reconstruc-  
tion technique is introduced to improve the prediction accuracy. The Hurst exponent of the real time-delay sequence is ana-  
lyzedand least squares support vector machine is selected as the prediction model. ThenC-C method is used to determine  
the parameters of phase space reconstruction. The partial predictability of time-delay is determined by recurrence plot. The  
parameters of least squares support vector machine are off-line optimized by genetic algorithm. Finallythe time-delay se-  
quence is predicted by the optimized least squares support vector machine combined with the phase space reconstruction.  
Compared with other prediction methodsthe simulation results show that the proposed method has higher prediction accura-  
cy and smaller prediction errorand does not reduce the real-time performance of the algorithm.  
Key words:  
networked control system; phase space reconstruction; least squares support vector machine; time-  
delay prediction  
、 、 .  
具有时随机 线征 随机延  
1
引言  
1]  
影响的一素  
大的会  
网络控制网络拓扑构 网络采  
控制能下降 对网络控制统时进  
、 、 、  
用的协议 算法 网络情况 网络速率  
精确的研究预  
,  
及数小等影响 网络控制统中  
23]  
控制控制  
: 2016-01-06;  
: 2016-05-09;  
:
责任编辑 兰英  
收稿日期  
修回日期  
:
基金项目 国家自然科学基金  
( No. 11273001) ;  
( No. 20141070)  
辽宁省博士动基金  
1045  
5
:
大 基于相重构与支持向延预测  
针对网络控制延预进  
Hurst  
、  
指数分析 表明时序列具有线以  
的研究工图归序列的  
的特性 选择  
LSSVM  
作为型 针对  
, ,  
规律 序列包  
LSSVM  
问题 利用算法  
4,  
型 文献  
56]  
伽  
LSSVM  
超参线优化 最后通  
LSSVM .  
序列行在线与  
,  
等 但是这些数同  
重构与  
布参这些大的了  
其它算法性的仿真对  
于统分析利用延  
比 结果表明本文性  
本对序列按照选择模型的不  
2
时延序性分析  
线型与线线测  
测试集了基于以网的网络控制  
500  
将时序列平稳间序列 线型的代  
78]  
1 .  
如图 所示  
统中  
( Auto RegressiveAR)  
自回型  
与自回  
9]  
1 ,  
集的网络序列具有  
( Auto Regressive Moving Average,  
型  
随机的特序列特性分  
ARMA) .  
线比较合于期性平  
提与基础  
间序列但是网络动态范围  
,  
随机线不能序  
.  
的复使制 相于  
10 ~ 13]  
线型 文使网络作为时延预测  
14( Support Vector Ma-  
持向机  
chinesSVM)  
1516]  
使用了  
( Least Squares Support Vector Ma-  
支持向机  
chineLSSVM)  
作为仿真与实实验结  
果表明线线型的高  
问题 网络的延预法  
过分依序列的自相  
SVM LSSVM  
2. 1  
时延序混沌特性分析  
间序列特性可过  
;
数 而  
型的有统一的  
0 - 1  
测试行  
定方优化需要解  
定 如果时间序列率  
K
1,  
明时间序列  
c
问题  
;
具有特性 果  
K
0,  
表明时间序列不具有混  
c
然上网络控制延预问题  
19]  
0 - 1  
特性  
利用  
测试对实集的网络时  
p( n) q( n)  
了大的研究工作 但是的研究个  
2  
序列分析 到图 所示的  
: ,  
问题 序列的特性分析 预  
3  
图 图 所示位移  
M( n)  
4  
化图 图 所示的  
;
型的选择目性 同时这些研究都  
K
化图  
进增率  
c
考虑序列特性 网络控制系  
2 ~  
4
网络序列的  
p( n)  
图  
统是个时的复网络具有高的  
q( n)  
特性 位移  
M( n)  
线性  
09957K  
c
线和不利用网络特性的非  
同时进增率  
K
c
线性动论进可提高时预  
1,  
接近网络序列具有特性 本文  
,  
可信了实  
面将重构高时度  
17]  
间序列的多化  
2. 2  
时延序相似性分析  
18.  
活过的网络量预等 但是  
20]  
Hurst  
H
可用间序列当  
指数  
时时间序列随机之间不相当  
005)  
这些研究研究对特性的分析 如  
H = 05  
;
不具特性 那么重构入  
H
;
H
时表明时序列∈  
并不的提高 相泛  
( 0. 51)  
时表间序列是持性的 具有似  
低  
此  
Hurst  
(
指数明时间序列的自似 长相  
所述 本文网络控制研  
) 、 、  
序列越  
问题 利用  
0 - 1  
测试对网络序列分析 确  
21]  
Hurst  
R/S  
指数法  
间序列的  
,  
序列具有特性 在此间  
( rescaled range analysis)  
下  
:
,  
重构型的选择过  

全部评论(0)

暂无评论

上传资源 上传优质资源有赏金

  • 打赏
  • 30日榜单

推荐下载