搜索

x

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于改进教学优化算法的Hermite正交基神经网络混沌时间序列预测

李瑞国 张宏立 范文慧 王雅

基于改进教学优化算法的Hermite正交基神经网络混沌时间序列预测

李瑞国, 张宏立, 范文慧, 王雅
PDF
导出引用
导出核心图
计量
  • 文章访问数:  914
  • PDF下载量:  386
  • 被引次数: 0
出版历程
  • 收稿日期:  2015-05-08
  • 修回日期:  2015-06-03
  • 刊出日期:  2015-10-05

基于改进教学优化算法的Hermite正交基神经网络混沌时间序列预测

  • 1. 新疆大学电气工程学院, 乌鲁木齐 830047;
  • 2. 清华大学自动化系, 北京 100084;
  • 3. 新疆大学机械工程学院, 乌鲁木齐 830047
    基金项目: 

    国家自然科学基金(批准号: 61463047)和自治区研究生科研创新项目(批准号: XJGRI2015039) 资助的课题.

摘要: 针对传统预测模型对混沌时间序列预测精度低、收敛速度慢及模型结构复杂的问题, 提出了基于改进教学优化算法的Hermite正交基神经网络预测模型. 首先, 将自相关法和Cao方法相结合对混沌时间序列进行相空间重构, 以获得重构延迟时间向量; 其次, 以Hermite正交基函数为激励函数构成Hermite正交基神经网络, 作为预测模型; 最后, 将模型参数优化问题转化为多维空间上的函数优化问题, 利用改进教学优化算法对预测模型进行参数优化, 以建立预测模型并进行预测分析. 分别以Lorenz 系统和Liu系统为模型, 通过四阶Runge-Kutta法产生混沌时间序列作为仿真对象, 并进行单步及多步预测对比实验. 仿真结果表明, 与径向基函数神经网络、回声状态网络、最小二乘支持向量机及基于教学优化算法的Hermite正交基神经网络预测模型相比, 所提预测模型具有更高的预测精度、更快的收敛速度和更简单的模型结构, 验证了该模型的高效性, 便于推广和应用.

English Abstract

参考文献 (25)

目录

    /

    返回文章
    返回