基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对小波分析技术存在的边界问题,提出一种改进的多孔算法.使用该算法得到的系数序列,在具备时移不变性的同时,消除了右侧边界存在数据畸变的现象,使小波分析技术结合神经网络等传统预测模型的方法应用于单变量时间序列预测任务具备可行性.为进一步提高预测精度,引入了神经网络集成技术以改善网络泛化能力.实验表明,这种组合预测模型预测效果与稳定性优于传统预测模型.
推荐文章
基于趋势点状态模型的时间序列预测算法
时间序列
相似序列
趋势点状态模型
预测
周期
基于改进神经网络的GDP时间序列预测
BP神经网络
GDP预测
准确率
基于最大李亚普诺夫指数的改进混沌时间序列预测
混沌时间序列颅测
李亚普诺夫指
相空间重构
交通流量预测
基于改进BP神经网络的混沌时间序列预测方法对比
混沌时间序列
BP神经网络
遗传算法
粒子群算法
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于改进多孔算法的时间序列预测
来源期刊 系统仿真学报 学科 工学
关键词 单变量时间序列预测 小波分析 改进的多孔算法 边界问题 神经网络集成
年,卷(期) 2007,(17) 所属期刊栏目 短文
研究方向 页码范围 4082-4085
页数 4页 分类号 TP18
字数 4074字 语种 中文
DOI 10.3969/j.issn.1004-731X.2007.17.056
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 周新志 四川大学电子信息学院 149 837 14.0 22.0
2 丁宁 四川大学电子信息学院 4 16 2.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (39)
共引文献  (339)
参考文献  (11)
节点文献
引证文献  (12)
同被引文献  (18)
二级引证文献  (16)
1986(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(3)
  • 参考文献(0)
  • 二级参考文献(3)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(4)
  • 参考文献(1)
  • 二级参考文献(3)
1993(2)
  • 参考文献(0)
  • 二级参考文献(2)
1994(2)
  • 参考文献(0)
  • 二级参考文献(2)
1995(3)
  • 参考文献(0)
  • 二级参考文献(3)
1996(1)
  • 参考文献(1)
  • 二级参考文献(0)
1997(4)
  • 参考文献(0)
  • 二级参考文献(4)
1998(9)
  • 参考文献(0)
  • 二级参考文献(9)
1999(5)
  • 参考文献(1)
  • 二级参考文献(4)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(2)
  • 参考文献(1)
  • 二级参考文献(1)
2002(5)
  • 参考文献(1)
  • 二级参考文献(4)
2004(2)
  • 参考文献(2)
  • 二级参考文献(0)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(3)
  • 参考文献(3)
  • 二级参考文献(0)
2007(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2008(1)
  • 引证文献(1)
  • 二级引证文献(0)
2009(5)
  • 引证文献(4)
  • 二级引证文献(1)
2010(4)
  • 引证文献(1)
  • 二级引证文献(3)
2011(1)
  • 引证文献(1)
  • 二级引证文献(0)
2012(5)
  • 引证文献(1)
  • 二级引证文献(4)
2013(3)
  • 引证文献(1)
  • 二级引证文献(2)
2014(4)
  • 引证文献(0)
  • 二级引证文献(4)
2015(3)
  • 引证文献(1)
  • 二级引证文献(2)
2016(2)
  • 引证文献(2)
  • 二级引证文献(0)
研究主题发展历程
节点文献
单变量时间序列预测
小波分析
改进的多孔算法
边界问题
神经网络集成
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
系统仿真学报
月刊
1004-731X
11-3092/V
大16开
北京市海淀区永定路50号院
82-9
1989
chi
出版文献量(篇)
14694
总下载数(次)
35
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导