本书基于回声状态网络ESN研究时间序列分类和预测问题：第一，分析了面向时间序列分析的ESN；第二，研究了基于DE和ESN的时间序列分类方法；第三，研究了基于BSA优化ESN的时间序列预测方法；第四，研究了基于组合ESN的时间序列预测方法；第五，设计了基于小波ESN的旅游需求预测模型；第六，构建了基于双储备池ESN的电力负荷预测模型；第七，设计了基于VMD和改进ESN的风速预测模型；第八，提出了基于Bagging和ESN的能源消费量预测。这些研究成果可以帮助行业和企业管理人员提高复杂数据环境下的预测水平。
本书适合从事数据分析与管理科学、人工智能、预测理论与方法研究和教学的学者、本科生和研究生阅读，也可以作为企业运营管理、数据管理和统计管理人员的学习与培训用书。

王林，男，华中科技大学管理科学与工程专业博士、计算机技术专业博士后，现为华中科技大学管理学院教授、博士生导师。主持国家自然科学基金面上和青年项目3项、国家自然科学基金重点项目子课题1项；出版专著1本，以第一作者或通信作者发表SCI/SSCI期刊论文40余篇和中文重要期刊论文20多篇，其中包括ESI热点和高引用论文10余篇；多次获得省级科技进步奖、省级高等学校人文社会科学研究优秀成果奖、全国电力行业管理创新奖、省优秀博士、硕士、学士论文指导奖、全国大学生物流设计大赛一等奖指导奖；曾主持或者作为技术负责人完成多项与中国广核集团有限公司、中国长江电力股份有限公司、国家电网有限公司、河南中烟工业有限责任公司、中国石油化工集团公司等企业合作的管理咨询和信息系统开发项目；主要研究方向：智能优化算法、物流与供应链管理、大数据商务分析等。

1 面向时间序列分析的ESN
1.1 时间序列分析面临的挑战
1.2 ESN原理分析
1.3 ESN时间序列分类
1.4 ESN时间序列预测
1.5 本章小结
2 基于DE和ESN的时间序列分类
2.1 引言
2.2 分类器Conceptor
2.3 基于ADE算法优化的分类器
2.4 数值实验和结果分析
2.5 本章小结
3 基于BSA优化ESN的时间序列预测
3.1 引言
3.2 BSA及其改进
3.3 设计的BSA-ESN混合预测模型
3.4 数值实验和结果分析
3.5 本章小结
4 基于组合ESN的时间序列预测
4.1 引言
4.2 所选个体预测模型分析
4.3 线性组合预测模型
4.4 数值实验和结果分析
4.5 本章小结
5 基于小波ESN的旅游需求预测
5.1 引言
5.2 具有小世界特性的小波ESN预测模型
5.3 基于SW-W-ESN模型的旅游需求预测
5.4 本章小结
6 基于双储备池ESN的电力负荷预测
6.1 引言
6.2 改进BSA优化双储备池ESN的混合预测模型
6.3 基于IBSA-DRESN的单因素电力负荷预测
6.4 基于IBSA-DRESN的多因素电力负荷预测
6.5 本章小结
7 基于VMD和改进ESN的风速预测
7.1 引言
7.2 构建的VMD-DE-ESN混合预测模型
7.3 实验设置
7.4 实验结果展示与分析
7.5 本章小结
8 基于Bagging和ESN的能源消费量预测
8.1 引言
8.2 设计的BDEESN预测模型
8.3 实验设置
8.4 实验结果展示与分析
8.5 本章小结
参考文献
后记