基于GEP算法的高阶常微分方程预测模型

• 作者: 崔未 王卫华 谈庆 黄樟灿
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 基因表达式编程 动态系统建模 高阶常微分方程模型 时间序列预测
• 年，卷（期）: 2018,（18）
• 所属期刊栏目: 工程与应用
• 页码范围: 256-262
• 页数: 7页
• 分类号: TP39
• 字数: 6585字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1803-0314

摘要

针对动态系统预测建模中建模效率低,无显式模型的缺陷.提出一种基于基因表达式编程(GEP)的高阶常微分方程预测模型(GEP-HODE).将一维数据的变化特性使用高阶微分进行表示,通过GEP对高阶微分数据进行建模,得到显式模型.对高阶常微分方程模型进行降阶处理,使用数值方法进行求解,得到预测值.该方法利用了GEP算法"基因型-表现型"的编码特性,实现了模型建立与参数优化的同步,大幅度提升建模效率.以太阳黑子年平均数作为实验数据建模预测,结果表明,该方法相比GP混合建模方法有更高的效率,相比混合BP神经网络模型等方法有更好的精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄樟灿	武汉理工大学理学院	75	570	12.0	20.0
2	王卫华	武汉理工大学理学院	29	163	7.0	12.0
3	谈庆	武汉理工大学理学院	6	4	1.0	1.0
4	崔未	武汉理工大学理学院	1	1	1.0	1.0