- 文献综述（或调研报告）：
系统状态预测是在过去观察的基础上动态预测未来状态的一个过程。可靠的预测信息在现实世界中有许多非常有帮助的应用，如天气预报（Jiang和Liu等人，2013）和股票市场预测（Ticknor和Kazem等人，2013）。在工业领域中，预测器可以用于预测机器的未来健康状况预测受损设备的剩余使用寿命。可靠的预后信息可应用于机械健康状况监测，生产质量控制和预测性维护计划，而不是像许多行业中常用的那样定期关闭手动检查。
经典的时间序列预测工具是基于随机模型发展起来的（Pourahmadi，2001）。然而，为许多复杂的动态系统推导出精确的分析模型却非常困难（Li和Lee，2005）。相应的替代方法是在数据驱动范例的基础上使用的，例如神经网络（NN）（Wu和Liu，2012; Li等人，2013; Kulkarni等人，2013）和模糊神经网络系统（NF）（Svalina等人，2013; Wu等人，2014; Wang等人，2012）。虽然这些数据驱动的范例不需要分析系统模型，但当输入数量很大时，它们的推理结构可能会变得笨拙。Bodyanskiy和Viktorov（2009a）介绍了一个具有在线学习算法的级联新模糊系统，但是，在此过程中用于每个规则的单一（单个重量）操作，可能会限制其构建复杂数据的特征模型的能力。级联生长的神经网络是利用二次神经元来学习数据特征的(Bodyanskiy等人，2009b)，但是它的推理结构对用户来说是不透明的。此外，这两个级联系统中使用的在线学习算法可能导致训练过程陷入局部最优，因为梯度算法和最小二乘估计都是局部搜索算法并且对初始条件比较敏感。2014年,Girshick等将候选区域与卷积神经网络(convolutional neural network, CNN)结合,对每个候选区域使用深度网络提取特征,避免了传统滑窗策略的冗余性,但该方法分多阶段训练,步骤烦琐,且训练耗时。
Deng J(1982)提出的灰色模型方法可以用于时间序列预测基于有限的数据信息,已经在许多领域都有应用,如航空公司客运增长预测(Benitez等人，2013),金融指数预测(Chen C等人，2010),和污染气体排放预测(Lin C等人，2011年)。然而，灰色模型由于其建模结构相对简单，主要用于短期预测。当训练数据量变大时，预测精度可能下降(Wu J等人，2013)。此外，灰色模型不能充分利用整个历史数据，这可能会限制其预测精度。2015年，Dezhi Li等人提出了一种基于模糊滤波灰色网络(FFGN)的时间序列预测方法，在FFGN的前序部分使用模糊滤波器对数据空间进行划分，然后采用灰色模型研究不同子空间对应的短期数据关系。该方法使用了模糊滤波和灰色模型相结合的组合式网络结构，提高了预测精度，并且提出一种新的混合训练方法，离线自适应优化模型参数，极大地提高了训练效率。
参考文献：
[1] Jiang Y, Song Z, Kusiak A (2013) Very short-term wind speed forecasting with Bayesian structural break model. Renew Energy 50:637–647；
[2] Liu H, Tian H, Pan D, Li Y (2013) Forecasting models for wind speed using wavelet, wavelet packet, time series and artificial neural networks. Appl Energy 107:191–208
[3] Ticknor JL (2013) A Bayesian regularized artificial neural network for stock market forecasting. Expert Syst Appl 40(14):5501–5506
[4] Pourahmadi M (2001) Foundations of time series analysis and prediction theory. Wiley, Hoboken
[5] Li C, Lee H (2005) Gear fatigue crack prognosis using embedded model, gear dynamic model and fracture mechanics. Mech Syst Signal Process 19:836–846
[6] Wu J, Liu J (2012) A forecasting system for car fuel consumption using a radial basis function neural network. Expert Syst Appl 39(2):1883–1888
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
