互联网 qkzz.net
全刊杂志网:首页 > 女性 > 文章正文
刊社推荐

基于构造性神经网络的时间序列混合预测模型


□ 杨雪洁 赵 姝 张燕平

  收稿日期:2007-09-20;修回日期:2007-12-26
  基金项目:国家自然科学基金资助项目(60475107,60675031);国家“973”计划资助项目(2004CB318108); 安徽省教育厅自然科学基金重点资助项目(2006KJ015A); 安徽省教育厅自然科学基金资助项目(2005KJ053); 安徽大学“211”工程学术创新团队资助项目
  
  作者简介:杨雪洁(1982-),安徽巢湖人,硕士研究生,主要研究方向为智能计算、人工神经网络(yxj1982_colour@163.com);赵姝,副教授,主要研究方向为人工智能、智能计算;张燕平,教授,主要研究方向为人工智能、机器学习、人工神经网络的理论与应用.*
  
  (安徽大学计算智能与信号处理教育部重点实验室,合肥 230039)
  摘 要:针对传统时间序列预测模型不适应非线性预测而适应非线性预测的BP算法存在收敛速度慢,且容易陷入局部极小等问题,提出一种基于构造性神经网络的时间序列混合预测模型。采用构造性神经网络模型(覆盖算法)得出的类别值对统计时间序列模型的预测值进行修正,建立一种同时考虑时间序列自身周期变化和外生变量因子对时间序列未来变化趋势影响的混合预测模型,涵盖了实际问题的线性和非线性两方面,提高了预测精度。将该模型应用到粮食产量的预测中,取得了较好的预测效果。
  关键词:时间序列预测;构造性神经网络;统计时间序列模型;产量预测
  中图分类号:TP30
  文献标志码:A
  文章编号:1001-3695(2008)10-2920-02
  Time-series mixed prediction model based on constructive neural networks
  YANG Xue-jie,ZHAO Shu,ZHANG Yan-ping
  (Key Laboratory of Intelligent Computing & Signal Processing of Ministry of Education,Hefei University, Hefei 230039, China)
  Abstract:Traditional times-series prediction models are not adapted to nonlinear time-series prediction, and BP algorithm which fits nonlinear time-series prediction has some trouble with slow convergence rate and easy getting into local minimum. This paper put forward a time-series mixed prediction model based on constructive neural networks. The predictions of statistical times-series models were corrected based on the different types which were calculated by constructive neural networks mo-dels(covering algorithm). This mixed model considered both periodic changes of times-series and the influence of external variable factors on the times-series in the future. The prediction accuracies could be improved because the model were constructed from the nonlinear and linear aspects. The experimental results show that using this model to forecast and analysis wheat yield is effective. ......
很抱歉,暂无全文,若需要阅读全文或喜欢本刊物请联系《计算机应用研究》杂志社购买。
欢迎作者提供全文,请点击编辑
分享:
 

了解更多资讯,请关注“木兰百花园”
分享:
 
精彩图文


关键字
支持中国杂志产业发展,请购买、订阅纸质杂志,欢迎杂志社提供过刊、样刊及电子版。
关于我们 | 网站声明 | 刊社管理 | 网站地图 | 联系方式 | 中图分类法 | RSS 2.0订阅 | IP查询
全刊杂志赏析网 2017