基于改进BP神经网络的混沌时间序列预测方法对比

摘要：

针对BP神经网络预测混沌时间序列存在的易陷入局部极小值和收敛速度较慢的问题，选取了两种改进预测模型，即GA-BP预测模型和PSO-BP预测模型。并将这两种模型对Lorenz混沌时间序列进行了预测比较实验。实验表明，两种改进模型比BP神经网络预测模型具有更好的预测性能，并且PSO-BP预测模型较GA-BP预测模型的预测精度更高。

关键词：混沌时间序列、BP神经网络、遗传算法、粒子群算法

分类号：TP183(自动化基础理论)

资助基金：国家自然科学基金资助项目50675069，71271089；广东省哲学社会科学“十二五”规划项目GD12CGL16

在线出版日期：2013-10-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1197-1201