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

  • 引用本文:
    Citation:
计量
  • 文章访问数:  2427
  • PDF下载量:  772
  • 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