基于神经网络动态非线性非平稳经济系统预测

摘要：

考虑实际经济系统中广泛存在着非线性和时变性因素,以及大部分变量的序列具有时间增长特性,提出用神经网络方法,建立实际经济系统的时变非线性模型.采用增广卡尔曼滤波算法训练神经网络,并根据先验信息(序列的时间增长特性)构造参数转移矩阵.对实际经济系统的预测分析结果证明,与传统定常非线性预测模型相比,该方法不仅可以在线递推预测,而且由于参数转移矩阵的引入,预测精度得到很大的提高.

关键词：神经网络、非线性递推预测、时间增长序列、参数转移矩阵

所属期刊栏目：17

分类号：F37

资助基金：国家自然科学基金69774033

在线出版日期：2004-01-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：133-136