用于计算机辅助地学习递归神经网络以对动态系统建模的方法

摘要

本发明涉及一种用于计算机辅助地学习递归神经网络以对动态系统建模的方法，所述动态系统在相应的时间点通过包括一个或多个观测量作为录入项的观测量矢量来表征。在此根据本发明学习神经网络，所述神经网络包括具有时间向前指向的信息流的因果网络以及具有时间向后指向的信息流的回归-因果网络。动态系统的状态在因果网络中通过第一状态矢量表征并且在回归-因果网络中通过第二状态矢量表征，所述状态矢量分别包含动态系统的观测量以及动态系统的隐藏状态。两个网络通过相应的第一和第二状态矢量的观测量的组合互相结合并且基于包括已知观测量矢量的训练数据被学习。根据本发明的方法的特点在于，其中经预测的未来的观测量对观测量的当前值有影响的动态系统也可以被建模。本方法特别适用于对能源价格和/或原材料价格的时间发展进行建模。同样，本方法可以用于对任意技术系统、例如燃气涡轮机和/或风力发电设备的观测量进行建模。