回声状态网络动态预测模型的分叉迭代预测方法

摘要

时间序列预测问题广泛存在于科学研究和工程实践的各个领域之中.传统的时间序列预测方法,多寻求建立静态映射关系来实现预测,从而忽略了时间序列背后研究对象的动态系统本质.本文的研究采用回声状态网络训练算法建立起时间序列的动态预测模型.通过理论分析和数值实验,揭示了回声状态网络训练算法的局限性,并据此提出对训练样本集插值来强化训练的解决方案.在此基础上,本文提出一种包含分叉结构的迭代预测方法,用于训练强化的回声状态网络预测模型.在滑坡位移预测的实际工程案例中,本文方法的优势和有效性得到了验证.