10.3778/j.issn.1002-8331.2008.08.005
基于"松散型"小波神经网络的时间序列预测研究
分析了一种新的时间序列预测模型--"松散型"小波神经网络预测模型.在用神经网络分析时间序列预测方法的基础上,用方差分析的统计方法确定样本序列的长度,从而有效地确定神经网络输入层节点数.运用该模型对太阳黑子年平均序列进行小波分解、重构、预测和合成,得到了序列总的预测效果.同时,将新模型与传统BP神经网络模型的预测效果进行了比较,分析了两者出现差异的本质原因.整体反映了将复杂问题简单化处理、将小波多分辨分析同神经网络的非线性逼近功能相结合的思想.这种思想及方法发挥了小波变换和神经网络的各自优势,明显提高了预测精度.
小波、神经网络、方差分析、分解、重构、预测
44
TP273(自动化技术及设备)
国家部委预研项目
2008-05-22(万方平台首次上网日期,不代表论文的发表时间)
共4页
16-19