论文摘要：基于免疫网络和ARMA模型的预测研究

复杂系统日益复杂的结构和控制系统造成故障的多发性特点，健康管理借助各种算法和智能模型来预测、监控和管理复杂系统的工作状态，因而预测是复杂系统综合健康管理的关键问题。人工免疫网络（aiNet）作为人工免疫系统的重要应用模型，研究成果涉及数据聚类、模式识别和智能控制等领域；ARMA模型作为时间序列分析的基本模型，在企业经营管理、气象预报、水文预报等方面有着广泛应用。本文以基于数据驱动的预测算法为研究目标，结合人工免疫网络和ARMA模型各自特点进行深入研究，为处理分布式、开放式的复杂系统健康管理问题提供实用预测算法。论文主要研究工作如下：1）结合生物免疫原理研究人工免疫网络的免疫应答机制，探讨aiNet算法的参数设定问题，并在此基础上提出优化的免疫网络算法，并验证优化算法的可行性和有效性。2）在人工免疫网络自身结构基础上提出基于优化免疫网络的数据预测算法，论述算法实现流程，分别应用于太阳黑子数量预测和管道电流干扰预测，实现了基于优化免疫网络的数据驱动预测。3）在论述几种ARMA模型原理的基础上，研究ARMA的模型识别、参数估计和模型检验方法，论述ARMA预测流程，将其应用在电场数据预测中，实现了基于ARMA模型的数据驱动预测。4）提出免疫网络和ARMA模型相结合的聚类与预测算法，设计仿真程序初步验证了所提出算法的可行性和有效性。本论文的研究工作受到国家自然科学基金项目“复杂系统综合健康管理的基本模型及预测技术研究”（NO. 60504023）资助。

来源：半壳优胜育转载请保留出处和链接！

本文链接：http://87cpy.com/207090.html