PSO优化BP神经网络的混沌时间序列预测

• 作者: 卢辉斌 孙海艳 李丹丹
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 混沌时间序列 混沌预测 反向传播(BP)神经网络 粒子群算法
• 年，卷（期）: 2015,（2）
• 所属期刊栏目: 信号处理
• 页码范围: 224-229,264
• 页数: 7页
• 分类号: TP183
• 字数: 5197字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1306-0342

摘要

针对于BP神经网络预测模型，收敛速度慢，精度较低，容易陷入局部极小值等缺点，提出了一种改进粒子群优化BP神经网络预测模型的算法。在该算法中，粒子群采用改进自适应惯性权重和改进自适应加速因子优化BP神经网络预测模型的初始权值和阈值，然后训练BP神经网络预测模型并预测。将该算法应用到几个典型的混沌时间序列预测。实验结果表明，该算法明显提高BP神经网络预测模型的收敛速度和预测模型的精度，减少陷入局部极小的可能。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	卢辉斌	燕山大学信息科学与工程学院	84	653	13.0	22.0
3	李丹丹	燕山大学信息科学与工程学院	6	38	2.0	6.0
5	孙海艳	河北建材职业技术学院机电工程系	14	82	4.0	9.0