10.3969/j.issn.1000-3428.2013.10.044
基于RBF神经网络优化的混沌时间序列预测
以神经网络和相空间重构相关理论为基础,提出一种基于差分进化(DE)优化径向基函数(RBP)神经网络的改进混沌时间序列预测算法。利用DE的全局搜索能力优化RBF神经网络基函数的中心、宽度以及网络的连接权值,以此获得最优的网络预测模型。将该预测算法应用于3种典型的非线性系统进行有效性验证,并与RBF神经网络预测模型的预测结果进行比较。仿真结果表明,改进算法的泛化能力优于RBF网络,同时可提高网络的预测精度。
混沌时间序列、预测、径向基函数神经网络、差分进化算法、相空间重构、非线性系统
TP393(计算技术、计算机技术)
国家社科基金资助项目“突发事件应急物资调度模型及优化算法研究”12CGL004;甘肃省高等学校科研基金资助项目2013A-052;兰州交通大学青年科学研究基金资助项目2011005
2013-12-04(万方平台首次上网日期,不代表论文的发表时间)
共5页
208-211,216