[发明专利]一种环境系统时间序列的预测方法

权利要求书

1.一种环境系统时间序列的预测方法，其特征在于，包括如下步骤：(1)构建时间序列数据的规范变换公式；(2)构建基于规范变换与误差修正的前向神经网络时序预测模型；(3)构建基于规范变换与误差修正的投影寻踪回归时序预测模型；(4)构建基于规范变换与误差修正的回归支持向量机预测模型；(5)设计优化目标函数式；(6)预测样本的时序预测模型输出的误差修正。

2.根据权利要求1所述的环境系统时间序列的预测方法，其特征在于，步骤(1)任意时间序列的原始数据均需要采用如式(1)所示：

X₀为设置的时间序列数据的参照值；X_j为时间序列数据实际值；X_b为设定的因子或预测变量的阈值；n_j为因子或预测变量的幂指数；参照值X₀和阈值X_b的设定和调整原则为：使规范变换后的原始数据的最小规范值X_j′_min和最大规范值X_j′_max分别被限定在[0.10,0.24]和[0.40,0.55]范围内。

3.根据权利要求2所述的环境系统时间序列的预测方法，其特征在于，步骤(1)中的因子或预测变量幂指数n_j的取值公式如式(2)所示：

其中，t_j＝max{X_j}/min{X_j}或t_j＝max|X_b-X_j|/min|X_b-X_j|(3)式中，t_j为因子或预测量实际值的最大值与最小值之比值。

4.根据权利要求3所述的环境系统时间序列的预测方法，其特征在于，步骤(2)构建基于规范变换的多因子前向神经网络(forward neural network based on normalizedvalue,NV-FNN)，需分别构建适用于最近邻时刻数k＝2和k＝3(即m＝2个和m＝3个规范输入因子)的NV-FNN(k＝2)和NV-FNN(k＝3)两种结构的时序预测模型。结构为NV-FNN(k＝2)和NV-FNN(k＝3)时序预测模型的输出计算分别如式(4)和式(5)所示：

式中，w_hj和v_h为(h＝1,2；j＝1,2或j＝1,2,3；l＝1)NV-FNN模型的连接权值。

5.根据权利要求4所述的环境系统时间序列的预测方法，其特征在于，需分别构建适用于最近邻时刻数k＝2和k＝3(即m＝2个和m＝3个规范输入因子)的NV-PPR(k＝2)和NV-PPR(k＝3)模型即可。NV-PPR模型的参数矩阵元为α_uj和β_u(u＝1,2；j＝1,2或j＝1,2,3；l＝1)，则结构为NV-PPR(k＝2)和NV-PPR(k＝3)模型的输出表示式分别如式(6)和式(8)所示，化简二式，分别得式(7)和式(9)。

y(2)＝Ax′_j1+Bx′_j2，式中，A＝β₁α₁₁+β₂α₂₁ B＝β₁α₁₂+β₂α₂₂ (6)

y(2)＝Ax′_j1+Bx′_j2+Cx′_j3， (8)

式中，A＝β₁α₁₁+β₂α₂₁ B＝β₁α₁₂+β₂α₂₂ C＝β₁α₁₃+β₂α₂₃