基于遗传神经网络的超混沌时间序列预测

摘要：

研究了超混沌系统的预测问题.通过分析混沌时间序列,建立具有多个隐节点的3层前馈网络.基于泛化性考虑采用剪枝算法训练,在保证预测精度的基础上消去部分隐节点以降低网络复杂性,利用遗传算法具有的全局寻优能力重新训练网络,利用具有局部寻优能力BP算法再次训练该网络.对Mackey-Glass时滞混沌系统预测实验结果表明,改进算法的泛化性能优于经典BP网络,归一化预测精度提高10倍多,能够较好地解决超混沌系统的预测问题.

关键词：超混沌、神经网络、遗传算法、权消去法、预测

所属期刊栏目：34

分类号：TP273(自动化技术及设备)

在线出版日期：2008-12-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：227-229