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

基于混沌理论和改进径向基函数神经网络的网络舆情预测方法

魏德志 陈福集 郑小雪

基于混沌理论和改进径向基函数神经网络的网络舆情预测方法

魏德志, 陈福集, 郑小雪
PDF
导出引用
导出核心图
  • 网络舆情发展趋势具有混沌系统的特征, 提出一种基于EMPSO-RBF神经网络的方法对网络舆情的发展趋势进行预测. 首先根据Lyapunov指数证明网络舆情具备混沌的特征, 然后对网络舆情时间序列数据进行相空间重构, 最后采用EMPSO-RBF方法进行预测, 并和其他模型进行对比试验, 实验结果表明EMPSO-RBF方法具有较高精确度.
    • 基金项目: 国家自然科学基金(批准号:71271056)和福建省教育厅项目(批准号:C13001,JA14368)资助的课题.
    [1]

    Bilal S, Ijaz M Q, Ihsanulhaq, Shafqatullah 2014 Chin. Phys. B 23 030502

    [2]

    Zhang Y 2013 Chin. Phys. B 22 050502

    [3]

    Zhou Y M, Li B C 2013 Journal of Data Acquisition & Processing. 28 69 (in Chinese) [周耀明, 李弼程 2013 数据采集与处理 28 69]

    [4]

    Liu J, Shi S T, Zhao J C 2013 Chin. Phys. B 22 010505

    [5]

    Sun Z H, Jiang F 2010 Chin. Phys. B 19 110502

    [6]

    Keerthi S S, Lin C J 2003 Neural Computation. 15 1667

    [7]

    Amjady N, Keynia F 2008 Int. J. Elec. Power. 30 533

    [8]

    Wu X D, Wang Y L, Liu W T, Zhu Z Y 2011 Chin. Phys. B 20 069201

    [9]

    Tang Z J, Ren F, Peng T, Wang W B 2014 Acta Phys. Sin. 63 050505 (in Chinese) [唐舟进, 任峰, 彭涛, 王文博 2014 物理学报 63 050505]

    [10]

    Song T, Li J 2012 Acta Phys. Sin. 61 080506 (in Chinese) [宋彤, 李菡 2012 物理学报 61 080506]

    [11]

    Zhang X Q, Liang J 2013 Acta Phys. Sin. 62 050505 (in Chinese) [张学清, 梁军 2013 物理学报 62 050505]

    [12]

    Zhao Y P, Zhang L Y, Li D C, Wang L F, Jiang H Z 2013 Acta Phys. Sin. 62 120511 (in Chinese) [赵永平, 张丽艳, 李德才, 王立峰, 蒋洪章 2013 物理学报 62 120511]

    [13]

    Xiao B X, Wang X W, Liu Y F 2007 Journal of System Simulation. 19 1382 (in Chinese) [肖本贤, 王晓伟, 刘一福 2007 系统仿真学报 19 1382]

    [14]

    Henon M 1976 Commun. Math. Phys. 5 5069

  • [1]

    Bilal S, Ijaz M Q, Ihsanulhaq, Shafqatullah 2014 Chin. Phys. B 23 030502

    [2]

    Zhang Y 2013 Chin. Phys. B 22 050502

    [3]

    Zhou Y M, Li B C 2013 Journal of Data Acquisition & Processing. 28 69 (in Chinese) [周耀明, 李弼程 2013 数据采集与处理 28 69]

    [4]

    Liu J, Shi S T, Zhao J C 2013 Chin. Phys. B 22 010505

    [5]

    Sun Z H, Jiang F 2010 Chin. Phys. B 19 110502

    [6]

    Keerthi S S, Lin C J 2003 Neural Computation. 15 1667

    [7]

    Amjady N, Keynia F 2008 Int. J. Elec. Power. 30 533

    [8]

    Wu X D, Wang Y L, Liu W T, Zhu Z Y 2011 Chin. Phys. B 20 069201

    [9]

    Tang Z J, Ren F, Peng T, Wang W B 2014 Acta Phys. Sin. 63 050505 (in Chinese) [唐舟进, 任峰, 彭涛, 王文博 2014 物理学报 63 050505]

    [10]

    Song T, Li J 2012 Acta Phys. Sin. 61 080506 (in Chinese) [宋彤, 李菡 2012 物理学报 61 080506]

    [11]

    Zhang X Q, Liang J 2013 Acta Phys. Sin. 62 050505 (in Chinese) [张学清, 梁军 2013 物理学报 62 050505]

    [12]

    Zhao Y P, Zhang L Y, Li D C, Wang L F, Jiang H Z 2013 Acta Phys. Sin. 62 120511 (in Chinese) [赵永平, 张丽艳, 李德才, 王立峰, 蒋洪章 2013 物理学报 62 120511]

    [13]

    Xiao B X, Wang X W, Liu Y F 2007 Journal of System Simulation. 19 1382 (in Chinese) [肖本贤, 王晓伟, 刘一福 2007 系统仿真学报 19 1382]

    [14]

    Henon M 1976 Commun. Math. Phys. 5 5069

  • [1] 王永生, 孙 瑾, 王昌金, 范洪达. 变参数混沌时间序列的神经网络预测研究. 物理学报, 2008, 57(10): 6120-6131. doi: 10.7498/aps.57.6120
    [2] 牛培峰, 张 君, 关新平. 基于遗传算法的统一混沌系统比例-积分-微分神经网络解耦控制研究. 物理学报, 2007, 56(5): 2493-2497. doi: 10.7498/aps.56.2493
    [3] 修春波, 徐勐. 基于混沌算子网络的时间序列多步预测研究. 物理学报, 2010, 59(11): 7650-7656. doi: 10.7498/aps.59.7650
    [4] 关新平, 唐英干, 范正平, 王益群. 基于神经网络的混沌系统鲁棒自适应同步. 物理学报, 2001, 50(11): 2112-2115. doi: 10.7498/aps.50.2112
    [5] 董昭, 李翔. 离散时间序列的网络模体分析. 物理学报, 2010, 59(3): 1600-1607. doi: 10.7498/aps.59.1600
    [6] 王耀南, 刘祖润, 周少武, 谭文. 非线性系统混沌运动的神经网络控制. 物理学报, 2002, 51(11): 2463-2466. doi: 10.7498/aps.51.2463
    [7] 王耀南, 谭 文. 混沌系统的遗传神经网络控制. 物理学报, 2003, 52(11): 2723-2728. doi: 10.7498/aps.52.2723
    [8] 赵海全, 张家树. 混沌通信系统中非线性信道的自适应组合神经网络均衡. 物理学报, 2008, 57(7): 3996-4006. doi: 10.7498/aps.57.3996
    [9] 李华青, 廖晓峰, 黄宏宇. 基于神经网络和滑模控制的不确定混沌系统同步. 物理学报, 2011, 60(2): 020512. doi: 10.7498/aps.60.020512
    [10] 陈铁明, 蒋融融. 混沌映射和神经网络互扰的新型复合流密码. 物理学报, 2013, 62(4): 040301. doi: 10.7498/aps.62.040301
  • 引用本文:
    Citation:
计量
  • 文章访问数:  1021
  • PDF下载量:  741
  • 被引次数: 0
出版历程
  • 收稿日期:  2014-09-12
  • 修回日期:  2014-10-27
  • 刊出日期:  2015-06-05

基于混沌理论和改进径向基函数神经网络的网络舆情预测方法

  • 1. 福州大学经济与管理学院, 福州 350108;
  • 2. 集美大学诚毅学院, 厦门 361021
    基金项目: 

    国家自然科学基金(批准号:71271056)和福建省教育厅项目(批准号:C13001,JA14368)资助的课题.

摘要: 网络舆情发展趋势具有混沌系统的特征, 提出一种基于EMPSO-RBF神经网络的方法对网络舆情的发展趋势进行预测. 首先根据Lyapunov指数证明网络舆情具备混沌的特征, 然后对网络舆情时间序列数据进行相空间重构, 最后采用EMPSO-RBF方法进行预测, 并和其他模型进行对比试验, 实验结果表明EMPSO-RBF方法具有较高精确度.

English Abstract

参考文献 (14)

目录

    /

    返回文章
    返回