GM(1,1)残差修正的季节性神经网络预测模型及其应用

• 作者: 叶明全 胡学钢
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 季节性时间序列 GM(1,1)模型 残差修正 季节性神经网络
• 年，卷（期）: 2005,（1）
• 所属期刊栏目: 工程与应用
• 页码范围: 194-196
• 页数: 3页
• 分类号: TP183
• 字数: 3973字
• 语种: 中文
• DOI: 10.3321/j.issn:1002-8331.2005.01.059

摘要

季节性时间序列具有增长性和波动性的二重趋势.灰色模型GM(1,1)能反映时间序列的总体变化趋势,但不能很好反映其季节性波动变化的具体特征,在模拟与预测季节性时间序列中有明显的局限性.文中介绍了季节性神经网络建立的残差修正模型.通过季节性神经网络模型对GM(1,1)的残差序列进行分析,提取其中的非线性成分作为预测时的补偿项,以进行残差修正,从而形成GMSANN叠合预测模型.实例表明,所建模型具有较好的适应性和预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	叶明全	皖南医学院计算机教研室	86	416	11.0	17.0
3	胡学钢	合肥工业大学计算机与信息学院	314	3156	27.0	39.0