基于构造性神经网络的时间序列混合预测模行

• 作者: 张燕平 杨雪洁 赵姝
• 来源期刊: 计算机应用研究
• 关键词: 时间序列预测 构造性神经网络 统计时间序列模型 产量预测
• 年，卷（期）: 2008,（10）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 2920-2921,2931
• 页数: 3页
• 分类号: TP30
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2008.10.010

摘要

针对传统时间序列预测模型不适应非线性预测而适应非线性预测的BP算法存在收敛速度慢,且容易陷入局部极小等问题,提出一种基于构造性神经网络的时间序列混合预测模型.采用构造性神经网络模型(覆盖算法)得出的类别值对统计时间序列模型的预测值进行修正,建立一种同时考虑时间序列自身周期变化和外生变量因子对时间序列未来变化趋势影响的混合预测模型,涵盖了实际问题的线性和非线性两方面,提高了预测精度.将该模型应用到粮食产量的预测中,取得了较好的预测效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张燕平	安徽大学计算智能与信号处理教育部重点实验室	148	1556	21.0	32.0
2	赵姝	安徽大学计算智能与信号处理教育部重点实验室	82	555	13.0	19.0
3	杨雪洁	安徽大学计算智能与信号处理教育部重点实验室	7	24	3.0	4.0