用于非线性时间序列预测的POD-RBF神经网络

摘要：

基于正规正交分解(Proper Orthogonal Decomposition,POD)提出一种适用于非线性时间序列预测的径向基函数(Radial Basis Function,RBF)神经网络模型-POD-RBF神经网络模型.该模型在选取中心时考虑了时间序列数据之间的时序关系,并且使得中心的选取具有并行性.股票价格预测问题的模拟结果表明,POD-RBF神经网络可以有效地用于非线性时间序列预测问题.与基于硬C均值(Hard C-means,HCM)聚类的RBF神经网络(HCM-RBF)和基于正交最小二乘(Orthogonal LestSquare,OLS)的RBF神经网络(OLS-PBF)相比,POD-RBF神经网络不仅具有更好的训练、预测精度,而且具有更好的收敛稳定性、更好的泛化能力和抵抗噪声干扰的能力.

关键词：正规正交分解、径向基函数、神经网络、非线性时间序列、预测

所属期刊栏目：34

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金项目91024026,61073075;上海市智能信息处理重点实验室开放课题项目IIPL-2011-006

在线出版日期：2013-11-05（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：1848-1851