-
题名非线性协整关系及其检验方法研究
被引量：26
- 1
-
-
作者
张喜彬
孙青华
张世英
-
机构
天津大学管理学院
-
出处
《系统工程学报》
CSCD
1999年第1期57-68,共12页
-
基金
国家教育部博士点专项科研基金
国家自然科学基金青年项目
-
文摘
文献［４］所提出的协整概念描述了向量时间序列中的长期线性均衡关系，从而可以称为“线性协整”．然而，经济系统中的许多时间序列是长记忆的，这些序列本身以及序列之间往往存在非线性关系，所以对这些序列进行线性协整分析是不太合适的．针对时间序列的长记忆和非线性特点，本文提出了向量时间序列非线性协整的概念，并运用神经网络方法对非线性协整关系存在性进行检验．同时，还讨论了这种非线性协整关系检验的可行性，给出了运用神经网络估计非线性协整函数的算法．最后，通过模拟试验说明了检验方法的可行性与有效性．
-
关键词
长期记忆
非线性协整
检验
经济系统
系统分析
-
Keywords
long memory,nonlinear attractor,nonlinear cointegration,neural network algorithm
-
分类号
F224.12
[经济管理—国民经济]
-
-
题名基于IPSO算法优化GRU神经网络的燃气负荷预测
被引量：10
- 2
-
-
作者
海文龙
王亚慧
王怀秀
-
机构
北京建筑大学电气与信息工程学院
-
出处
《传感器与微系统》
CSCD
北大核心
2023年第2期126-129,共4页
-
基金
国家重点研发计划支撑项目(2018YFC0807806)。
-
文摘
燃气负荷具有非平稳性、非线性等特点,机理建模困难。为寻求更准确的燃气负荷预测方法,提出一种基于改进粒子群(IPSO)算法优化门控循环单元(GRU)的燃气负荷预测模型。首先,确定了模型的结构与输入变量;然后,针对长短期记忆(LSTM)神经网络复杂度高,训练速度慢的问题,提出采用相较于LSTM单元结构更加简单的GRU作为预测模型,并采用粒子群优化(PSO)算法对GRU网络参数进行优化,引入非线性惯性权重对PSO算法进行改进。实验表明:所提模型相对误差为1%,精度高于传统LSTM与GRU模型。
-
关键词
燃气负荷预测
粒子群优化算法
长短期记忆神经网络
非线性惯性权重
门控循环单元
-
Keywords
gas load forecasting
particle swarm optimization(PSO)algorithm
long short-term memory(LSTM)neural network
nonlinear inertia weight
gated recurrent unit(GRU)
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
TU996
[建筑科学—供热、供燃气、通风及空调工程]
-
