基于动态递归神经网络模型的混沌时间序列预测

• 作者: 彭宏 郑启伦 钟谭卫 马千里
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 混沌时间序列 递归神经网络 预测
• 年，卷（期）: 2007,（1）
• 所属期刊栏目: 人工智能
• 页码范围: 40-43
• 页数: 4页
• 分类号: TP393
• 字数: 3252字
• 语种: 中文

摘要

提出了一种动态递归神经网络模型进行混沌时间序列预测,以最佳延迟时间为间隔的最小嵌入维数作为递归神经网络的输入维数,并按预测相点步进动态递归的生成训练数据,利用混沌特性处理样本及优化网络结构,用递归神经网络映射混沌相空间相点演化的非线性关系,提高了预测精度和稳定性.将该模型应用于Lorenz系统数据仿真以及沪市股票综合指数预测,其结果与已有网络模型预测的结果相比较,精度有很大提高.因此,证明了该预测模型在实际混沌时间序列预测领域的有效性和实用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	彭宏	华南理工大学计算机科学与工程学院	188	2058	24.0	34.0
2	郑启伦	华南理工大学计算机科学与工程学院	103	1003	17.0	26.0
3	马千里	华南理工大学计算机科学与工程学院	28	283	10.0	16.0
4	钟谭卫	华南农业大学理学院	6	64	4.0	6.0