参数可变系统时间序列短期预测方法

• 作者: 肖芬 高协平
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 小波神经网络 多小波神经网络 时间序列预测 参数可变系统
• 年，卷（期）: 2006,（5）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 1042-1050
• 页数: 9页
• 分类号: TP183
• 字数: 1599字
• 语种: 中文

摘要

时间序列预测是一类非常重要的问题,但基本上局限于参数不可变问题的研究,而对实际问题中经常出现的更重要的参数可变系统的预测,由于构成几乎所有已有预测技术基础的Taken嵌入定理不再成立,所以这方面的研究成果极少.使用一种将(多)小波变换与反向传播神经网络相结合的新型网络结构--(多)小波神经网络,尝试对参数可变时间序列的预测.因为(多)小波神经网络的误差函数是一个凸函数,这在一定程度上可以避免经典神经网络容易陷入局部极小、收敛速度慢等问题.对著名的Ikeda参数可变系统的实验表明,多小波神经网络的预测性能较单小波神经网络要好,而单小波神经网络的性能较BP网要好.因此,该方法不失为时间可变系统预测的一种好的推荐.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高协平	湘潭大学信息工程学院	47	403	10.0	19.0
2	肖芬	湘潭大学信息工程学院	4	10	1.0	3.0