一种小波分解回声状态网络时间序列预测方法

摘要

针对多尺度时间序列各尺度发展趋势及整体预测问题,建立小波分解回声状态网络预测模型(wavelet decomposi-tion and echo state networks,WDESN),根据各尺度的不同性质选取与之相匹配的回声状态网络模型(echo state networks,ESN),同时,通过在各尺度条件下引入权值系数实现预测分量最优整合,提高整体预测精度。预测带噪多尺度正弦序列实验表明:WDESN模型与ESN、支持向量机及BP神经网络模型相比预测精度较高。目前,该模型已成功用于移动通信话务量的预测,并满足了现实系统的精度要求。