69、基于混合神经进化方法的风速预测

基于混合神经进化方法的风速预测

1. 引言

时间序列预测模型的设计传统上采用统计方法，如 ARIMA、ARMA 和 AR 等。这些模型基于过去的观测值和预测误差来定义，通过自相关和偏自相关等统计技术，科学家可以确定哪些过去的观测值和/或误差在构建预测模型时具有重要意义。

在过去十年中，人工神经网络（ANN）已成功用于时间序列的建模和预测。然而，设计一个能提供良好近似的 ANN 是一个优化问题，由于设计过程中需要选择众多参数，搜索空间巨大。而且，用于训练 ANN 的学习算法只能确定突触连接的权重，不涉及架构设计问题。因此，科学家通常只能通过试错法手动设计 ANN，并从测试的集合中选择最佳的一个。

为了解决这个问题，本文提出了一种混合方法，利用进化计算为时间序列的建模和预测生成一个完整的 ANN 设计。预测模型采用多层感知器（MLP）架构，具体尝试了包含输入层、隐藏层和输出层的三层模型。

ANN 设计完成后需要进行训练，最常用的学习算法是反向传播。但反向传播是基于梯度的优化算法，可能会陷入局部最优，导致 MLP 表现不佳。因此，本文提出分三个阶段使用进化计算设计预测 ANN：第一阶段设计网络架构；第二阶段优化突触连接的权重分配；第三阶段对 ANN 的权重进行微调。

为了验证该方法的有效性，将结果与统计设计的模型和专家手工制作的 ANN 进行了比较，使用均方误差（MSE）、平均绝对误差（MAE）和泰尔不等系数（Theil’s U）等统计指标来评估不同模型的预测准确性。结果表明，通过进化计算生成的最佳模型优于 ARIMA 和手工制作的人工神经网络模型。

2. 相关工作

风速预测技术通常假设从测量中获取的时