基于"松散型"小波神经网络的时间序列预测研究

• 作者: 王厚军 罗航 龙兵
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 小波 神经网络 方差分析 分解 重构 预测
• 年，卷（期）: 2008,（8）
• 所属期刊栏目: 博士论坛
• 页码范围: 16-19
• 页数: 4页
• 分类号: TP273
• 字数: 3421字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2008.08.005

摘要

分析了一种新的时间序列预测模型--"松散型"小波神经网络预测模型.在用神经网络分析时间序列预测方法的基础上,用方差分析的统计方法确定样本序列的长度,从而有效地确定神经网络输入层节点数.运用该模型对太阳黑子年平均序列进行小波分解、重构、预测和合成,得到了序列总的预测效果.同时,将新模型与传统BP神经网络模型的预测效果进行了比较,分析了两者出现差异的本质原因.整体反映了将复杂问题简单化处理、将小波多分辨分析同神经网络的非线性逼近功能相结合的思想.这种思想及方法发挥了小波变换和神经网络的各自优势,明显提高了预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王厚军	电子科技大学自动化工程学院	257	2532	27.0	36.0
2	龙兵	电子科技大学自动化工程学院	69	1038	19.0	28.0
3	罗航	电子科技大学自动化工程学院	10	191	6.0	10.0