基于强化学习的非线性时间序列智能预测模型

• 作者: 孙若莹 范厚明 赵刚
• 来源期刊: 大连海事大学学报
• 学科: 工学
• 关键词: 非线性时间序列 强化学习 隐马尔可夫模型 神经网络 向前多步预测
• 年，卷（期）: 2017,（4）
• 页码范围: 97-103
• 页数: 7页
• 分类号: TP391
• 语种: 中文
• DOI: 10.16411/j.cnki.issn1006-7736.2017.04.014

摘要

针对时间序列预测中非线性、噪声高等特点,提出时间序列向前多步混合智能预测模型.首先,在模型训练过程中,提出一种将强化学习与隐马尔可夫模型相结合的新方法,强化学习运用TD(λ)方法,采用历史观测数据作为报酬回报,强调远近期历史数据的不同影响程度并用以迭代增强历史观测数据在模型中的作用;进一步,在向前多步预测过程中,提出一种以强化学习为桥梁、将神经网络与隐马尔可夫模型相结合的方法,用以充分发挥神经网络数据拟合优势和隐马尔可夫模型减小系统随机误差方面的优势.利用稀土期货交易数据进行预测实验,结果表明:智能预测模型显著降低了预测的平均绝对误差、百分比绝对平均误差、均方根误差,提高了预测的准确性和效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	范厚明	大连海事大学交通运输管理学院	98	862	15.0	24.0
2	赵刚	北京信息科技大学信息管理学院	53	229	8.0	12.0
3	孙若莹	北京信息科技大学信息管理学院	30	69	5.0	7.0