搜索

文章查询

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

基于大脑情感学习模型和自适应遗传算法的混沌时间序列预测

梅英 谭冠政 刘振焘 武鹤

基于大脑情感学习模型和自适应遗传算法的混沌时间序列预测

梅英, 谭冠政, 刘振焘, 武鹤
PDF
导出引用
导出核心图
  • 针对传统神经网络预测精度不高、收敛速度慢的问题,提出一种基于大脑情感学习模型和自适应遗传算法的混沌时间序列预测方法.大脑情感学习模型模拟了哺乳动物大脑中杏仁体和眶额皮质之间的情感学习机制,具有计算复杂度低、运算速度快的特点,因此可以大大提高混沌预测的快速性.为了进一步提高大脑情感学习模型的预测精度,采用自适应遗传算法优化其参数,将待优化的权值与阈值分布在染色体基因序列上,用适应度函数选出最佳参数,从而增强了模型的逼近能力.基于Lorenz混沌时间序列和实际地磁Dst指数序列的预测结果表明,本文方法较其他传统方法在预测精度、运算速度和稳定性上均具有明显优势.
      通信作者: 谭冠政, 63641214@qq.com
    • 基金项目: 国家自然科学基金(批准号:61403422,61703156)、湖南省教育厅科研基金(批准号:17C1084)和湖南文理学院重点科研项目(批准号:17ZD02)资助的课题.
    [1]

    Lotfi E, Akbarzadeh T M R 2014 Neurocomputing 126 188

    [2]

    Singh S, Gill J 2014 Int. J. Intell. Syst. Appl. 6 55

    [3]

    Tian Z D, Gao X W, Shi T 2014 Acta Phys. Sin. 63 160508 (in Chinese)[田中大, 高宪文, 石彤. 2014 物理学报 63 160508]

    [4]

    Li D, Han M, Wang J 2012 IEEE Trans. Neural Netw. Learn. Syst. 23 787

    [5]

    Shi Z W, Han M 2007 IEEE Trans. Neural Netw. 18 359

    [6]

    Wang X Y, Han M 2015 Acta Phys. Sin. 64 070504 (in Chinese)[王新迎, 韩敏 2015 物理学报 64 070504]

    [7]

    Han M, Xi J H, Xu S G 2004 IEEE Trans. Signal Process. 52 3409

    [8]

    Su L Y 2010 Comput. Math. Appl. 59 737

    [9]

    Su L Y, Li C L 2015 Discrete. Dyn. Nat. Soc. 2015 329487

    [10]

    Tian Z D, Li S J, Wang Y H, Gao X W 2015 Acta Phys. Sin. 64 030506 (in Chinese)[田中大, 李树江, 王艳红, 高宪文 2015 物理学报 64 030506]

    [11]

    Mayer J D, Roberts R D, Barsade S G 2008 Annu. Rev. Psych. 59 507

    [12]

    Ledoux J E 1991 Concepts Neurosci. 2 169

    [13]

    Balkenius C, Morn J 2001 Cybern. Syst. 32 611

    [14]

    Babaie T, Karimizandi L 2008 Soft. Comput. 12 857

    [15]

    Abdi J, Moshiri B, Abdulhai B 2012 Eng. Appl. Arti. Intell. 25 1022

    [16]

    Sharafi Y, Setayeshi S, Falahiazar A 2015 J. Math. Comput. Sci. 14 42

    [17]

    Milad H S A, Farooq U, Hawary M, Asad M U 2016 IEEE Access 23 569

    [18]

    Dorrah H T 2011 J. Adv. Res. 2 73

    [19]

    Mei Y, Tan G Z, Liu Z T 2017 Algorithms 10 70

    [20]

    Lotfi E, Akbarzadeh T M R 2016 Inf. Sci. 3 369

    [21]

    Srinivas M, Patnaik L M 2002 IEEE Trans. Syst. M. Cyber. 24 656

    [22]

    Guo Y Y 2013 M. S. Thesis (Harbin:Harbin Institute of Technology) (in Chinese)[郭圆圆 2013 硕士学位论文 (哈尔滨:哈尔滨工业大学)]

    [23]

    Takens F 1981 Lecture Notes in Mathematics (Berlin:Springer-Verlag) p366

    [24]

    Yang F 2012 Ph. D. Dissertation (Beijing:Beijing University of Posts and Telecommunications) (in Chinese)[杨飞 2012 博士学位论文(北京:北京邮电大学)]

    [25]

    Lotfi E, Akbarzadeh T 2013 Cybernet. Syst. 44 402

    [26]

    Amani J, Moeini R 2012 Sci. Iran. 19 242

    [27]

    Li J, Feng J, Wang W 2016 Sci. Geog. Sin. 36 780

    [28]

    Peng Y X, L J Y, Gu S J 2016 Chin. J. Space Sci. 36 866 (in Chinese)[彭宇翔, 吕建永, 顾赛菊 2016 空间科学学报 36 866]

  • [1]

    Lotfi E, Akbarzadeh T M R 2014 Neurocomputing 126 188

    [2]

    Singh S, Gill J 2014 Int. J. Intell. Syst. Appl. 6 55

    [3]

    Tian Z D, Gao X W, Shi T 2014 Acta Phys. Sin. 63 160508 (in Chinese)[田中大, 高宪文, 石彤. 2014 物理学报 63 160508]

    [4]

    Li D, Han M, Wang J 2012 IEEE Trans. Neural Netw. Learn. Syst. 23 787

    [5]

    Shi Z W, Han M 2007 IEEE Trans. Neural Netw. 18 359

    [6]

    Wang X Y, Han M 2015 Acta Phys. Sin. 64 070504 (in Chinese)[王新迎, 韩敏 2015 物理学报 64 070504]

    [7]

    Han M, Xi J H, Xu S G 2004 IEEE Trans. Signal Process. 52 3409

    [8]

    Su L Y 2010 Comput. Math. Appl. 59 737

    [9]

    Su L Y, Li C L 2015 Discrete. Dyn. Nat. Soc. 2015 329487

    [10]

    Tian Z D, Li S J, Wang Y H, Gao X W 2015 Acta Phys. Sin. 64 030506 (in Chinese)[田中大, 李树江, 王艳红, 高宪文 2015 物理学报 64 030506]

    [11]

    Mayer J D, Roberts R D, Barsade S G 2008 Annu. Rev. Psych. 59 507

    [12]

    Ledoux J E 1991 Concepts Neurosci. 2 169

    [13]

    Balkenius C, Morn J 2001 Cybern. Syst. 32 611

    [14]

    Babaie T, Karimizandi L 2008 Soft. Comput. 12 857

    [15]

    Abdi J, Moshiri B, Abdulhai B 2012 Eng. Appl. Arti. Intell. 25 1022

    [16]

    Sharafi Y, Setayeshi S, Falahiazar A 2015 J. Math. Comput. Sci. 14 42

    [17]

    Milad H S A, Farooq U, Hawary M, Asad M U 2016 IEEE Access 23 569

    [18]

    Dorrah H T 2011 J. Adv. Res. 2 73

    [19]

    Mei Y, Tan G Z, Liu Z T 2017 Algorithms 10 70

    [20]

    Lotfi E, Akbarzadeh T M R 2016 Inf. Sci. 3 369

    [21]

    Srinivas M, Patnaik L M 2002 IEEE Trans. Syst. M. Cyber. 24 656

    [22]

    Guo Y Y 2013 M. S. Thesis (Harbin:Harbin Institute of Technology) (in Chinese)[郭圆圆 2013 硕士学位论文 (哈尔滨:哈尔滨工业大学)]

    [23]

    Takens F 1981 Lecture Notes in Mathematics (Berlin:Springer-Verlag) p366

    [24]

    Yang F 2012 Ph. D. Dissertation (Beijing:Beijing University of Posts and Telecommunications) (in Chinese)[杨飞 2012 博士学位论文(北京:北京邮电大学)]

    [25]

    Lotfi E, Akbarzadeh T 2013 Cybernet. Syst. 44 402

    [26]

    Amani J, Moeini R 2012 Sci. Iran. 19 242

    [27]

    Li J, Feng J, Wang W 2016 Sci. Geog. Sin. 36 780

    [28]

    Peng Y X, L J Y, Gu S J 2016 Chin. J. Space Sci. 36 866 (in Chinese)[彭宇翔, 吕建永, 顾赛菊 2016 空间科学学报 36 866]

  • [1] 庄志本, 李军, 刘静漪, 陈世强. 基于新的五维多环多翼超混沌系统的图像加密算法. 物理学报, 2020, 69(4): 040502. doi: 10.7498/aps.69.20191342
    [2] 任县利, 张伟伟, 伍晓勇, 吴璐, 王月霞. 高熵合金短程有序现象的预测及其对结构的电子、磁性、力学性质的影响. 物理学报, 2020, 69(4): 046102. doi: 10.7498/aps.69.20191671
    [3] 廖天军, 吕贻祥. 热光伏能量转换器件的热力学极限与优化性能预测. 物理学报, 2020, 69(5): 057202. doi: 10.7498/aps.69.20191835
  • 引用本文:
    Citation:
计量
  • 文章访问数:  411
  • PDF下载量:  339
  • 被引次数: 0
出版历程
  • 收稿日期:  2017-09-22
  • 修回日期:  2018-02-08
  • 刊出日期:  2018-04-20

基于大脑情感学习模型和自适应遗传算法的混沌时间序列预测

  • 1. 中南大学信息科学与工程学院, 长沙 410083;
  • 2. 湖南文理学院电气与信息工程学院, 常德 415000;
  • 3. 中国地质大学自动化学院, 武汉 430074
  • 通信作者: 谭冠政, 63641214@qq.com
    基金项目: 

    国家自然科学基金(批准号:61403422,61703156)、湖南省教育厅科研基金(批准号:17C1084)和湖南文理学院重点科研项目(批准号:17ZD02)资助的课题.

摘要: 针对传统神经网络预测精度不高、收敛速度慢的问题,提出一种基于大脑情感学习模型和自适应遗传算法的混沌时间序列预测方法.大脑情感学习模型模拟了哺乳动物大脑中杏仁体和眶额皮质之间的情感学习机制,具有计算复杂度低、运算速度快的特点,因此可以大大提高混沌预测的快速性.为了进一步提高大脑情感学习模型的预测精度,采用自适应遗传算法优化其参数,将待优化的权值与阈值分布在染色体基因序列上,用适应度函数选出最佳参数,从而增强了模型的逼近能力.基于Lorenz混沌时间序列和实际地磁Dst指数序列的预测结果表明,本文方法较其他传统方法在预测精度、运算速度和稳定性上均具有明显优势.

English Abstract

参考文献 (28)

目录

    /

    返回文章
    返回