回声状态网络LM算法及混沌时间序列预测  

LM algorithm in echo state network for chaotic time series prediction

作　　者：韩敏[1] 穆大芸[1] 

机构地区：[1]大连理工大学电子信息与电气工程学部,辽宁大连116023

出　　处：《控制与决策》2011年第10期1469-1472,1478,共5页Control and Decision

基　　金：国家自然科学基金项目(61074096);国家科技支撑计划项目(2006BAB14B05)

摘　　要：回声状态网络(ESN)学习算法中可能存在解的奇异问题,在时间序列预测时易导致病态解问题,且伴随着具有较大幅值的输出权值,尤其是当训练样本个数小于输出权值维数时,ESN的解必为奇异的.鉴于此,考虑使用LM(Levenberg Marquardt)算法代替常用的线性回归方法,自适应选择LM参数,从而有效地控制输出权值的幅值,提高ESN的预测性能.通过Lorenz混沌时间序列进行预测研究,对大连月平均气温实际数据进行仿真研究,取得了较好的预测效果.The problem of sigular solution in echo state network（ESN） learning algorithm is existed,which is easy to cause ill issue.Especially when training samples are less than the dimenssions of the output,the solution of the ESN must be singular.Therefore,Levenberg Marquardt（LM） algorithm is used to learn ESN instead of linear regression method,which can effectively control the amplitude of the output weight result in improved predictive performance.The presented model is tested on the Lorenz time series and applied to some real life time series such as Dalian monthly average temprture time series.Actual simulation results show that the predictive model has higher predictive accuracy,and is of great practicality and effectiveness.

关 键 词：回声状态网络 储备池 LM算法 时间序列预测 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]