孙汝儒
- 作品数：4 被引量：6H指数：1
- 供职机构：南京工业大学自动化与电气工程学院更多>>
- 发文基金：江苏省高校自然科学研究项目江苏省博士后科研资助计划项目国家自然科学基金更多>>
- 相关领域：自动化与计算机技术机械工程理学更多>>
- 基于经验模态分解的时间序列相似性问题的研究
- 时间序列是指将某种现象某一个统计指标在不同时间上的各个数值，按时间先后顺序排列而形成的序列。时间序列分析研究被广泛的应用在各个领域:金融行业、产品销售行业、工业工程、水利工程、电力工程以及航空工业等各个领域，并且随着社会...
- 孙汝儒
- 关键词：时间序列经验模态分解
- 基于PSO算法的ARMA模型长江化工污染水质预测被引量：1
- 2012年
- 针对时间序列分析ARMA模型预测的问题,在研究传统预测方法缺点的基础上,提出了用粒子群优化算法(PSO)确定ARMA(r,m)模型的自回归阶数r和滑动平均阶数m的新方法。首先根据ARMA(r,m)模型对预测值与实际值提出相应的粒子群优化算法的适应度函数;然后选取适当的学习因子、惯性权重、种群大小、粒子速度和迭代次数,通过迭代找到最优解;然后找到最优的ARMA(r,m)模型对长江流域水质进行预测。通过MATLAB进行仿真证明了该方法简单可行,很大程度上提高了对长江水质化学污染的预测精度。
- 孙汝儒肖迪
- 关键词：长江水质
- 基于改进PSO算法对ARMA模型定阶新方法被引量：4
- 2013年
- 在研究传统AIC准则定阶方法的缺点的基础上,提出用改进的粒子群算法对ARMA(r,m)模型定阶的新方法。基本思想是,由于粒子群算法容易早熟,易陷入局部最优,从而导致过早收敛,得不到最优解,因此提出利用母群划分子群的搜索方法避免算法陷入局部最优的问题。子群各自进行搜索得出最优解,由最优解作为新一代粒子种群,继续搜索自动生成最优解,对ARMA模型进行准确定阶,克服了AIC定阶准则的计算法繁琐、定阶不精确的缺点。通过MATLAB进行实例仿真验证,证明了该方法简单可行。
- 孙汝儒肖迪
- 基于加权IMF对时间序列相似匹配被引量：1
- 2013年
- 经验模态分解(EMD)算法非常适合非稳定序列信号、非线性序列信号以及复杂信号的分解,具有很高的噪声比。序列信号经过EMD分解为本征模函数(IMF)以及残差序列,所分解出来的IMF包含了原序列信号不同时间尺度的局部特征信号,是整个原序列的"去杂"反映。针对IMF所包含的不同尺度的特征这一特性,给出用EMD分解原始序列信号,提取其全部有限个本征模函数和残差序列,根据不同的IMF所包含原序列的特征信息量的大小引入信息权重w,然后通过欧氏距离对各个序列不同IMF序列进行相似匹配判定,最后通过综合各个IMF所占权重综合判定时间序列的相似匹配。实验结果表明,基于IMF对时间序列相似匹配和直接对原时间序列进行匹配,前者首先对时间序列进行分解,去掉其噪声等干扰,提取出IMF间接进行加权匹配,提高了时间序列的模式匹配精度,证明了该方法的有效性。
- 孙汝儒肖迪
