基于LMS的三阶Volterra自适应滤波器的时间序列数据预测算法的研究

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(LMS)的三阶Volterra自适应滤波器预测算法.首先针对时间序列数据的预测问题,利用有限项记忆单元的三阶Volterra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LMS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LMS的三阶Volterra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、Volterra、LMS、自适应

分类号：TP181(自动化基础理论)

资助基金：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项目;陕西工业职业技术学院校级重点项目

在线出版日期：2023-02-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：108-111,115