一种新的时滞神经网络非线性时间序列预测方法

摘要：

基于相空间重构的非线性预测思想,建立一个时滞的BP神经网络模型,采用贝叶斯正则化方法提高BP网络的泛化能力,区别于一般的预测方法,非线性预测不仅注重数据拟合和精度改进,而且能够反映被预测系统的非线性特征.将该模型应用于某电子行业进出口贸易非线性时间序列的预测,结果证明改进的模型具有较好的泛化能力,准确拟合了进出口贸易发展的历史值和趋势.并在分析模型预测精度的同时,通过计算拟合序列和原序列的非线性特征量进行模型评价,证实预测模型能够合理地"捕捉"到产生原序列的非线性系统的动力学特征.

关键词：非线性时间序列预测、相空间重构、BP网络、贝叶斯正则化

所属期刊栏目：30

分类号：TP181(自动化基础理论)

在线出版日期：2007-03-21（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：118-119,122