基于BMAC-RLS模型的复杂系统行为预测方法及其应用

摘要：

复杂系统行为预测是复杂系统管理与决策的重要内容.为了在确保预测准确性的前提下提高系统预测的稳定性和泛化能力,提出一种基于主成分分析结合加入B样条的连续CMAC递推最小二乘算法(CMAC-RLS)的组合模型的预测方法(PCA-BMAC-RLS).首先利用主成分分析来降低输入变量的维数以减少CMAC权系数空间.其次采用BMAC-RLS算法以确保权值的收敛且能提供函数的微分信息以适合复杂系统的在线建模.最后以实际应用为例,对比采用RBF神经网络模型和本文的PCA-BMAC-RLS组合模型的预测实验.实验结果显示,本文方法具有稳定性好、泛化能力强、运行速度快、预测精度高等显著优点.

关键词：行为预测、神经网络、主成分分析(PCA)、递推最小二乘、电力负荷预测

所属期刊栏目：20

分类号：TP314(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目60575033

在线出版日期：2009-08-19（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：266-270