打折最小平方RBF网络及其时间序列预测研究.pdfVIP

维普资讯 第34卷第6期 东 南大 学 学报 (自然科学版) Vo1．34 No．6 2004年 11月 JOURNAL OFSOUTHEAST UNIVERSITY (NaturalScienceEdition) NOV． 2004 打折最小平方 RBF网络及其时间序列预测研究 戴 群 陈松灿 (南京航空航天大学计算机科学与工程系，南京 210016) 摘要：借用打折最小平方(DLS)原理构建了基于误差平方准则的DLS—RBF网络的学习算法．打 折最小平方原理考虑了时间序列本身的结构性变化，较好地刻画了预测点与其他时刻数据 的相 关性，而这些恰恰是现有的径向基 函数神经 网络 (RBF)在预测过程中所忽视的．实验表 明DLS— RBF网络在非平稳方差时间序列和某城市 自来水实际的月用水量预测 中的效果 明显，并优于 RBF网络，但在混沌时间序列预测的实验中，因其 自身的混沌特性，预测效果并不十分明显． 关键词：打折最小平方；径 向基函数；时间序列预测 中图分类号：TP183 文献标识码：A 文章编号：1001—0505(2004)0643862433 Discounted leastsquareRBF neuralnetworkswithapplications in timeseriesprediction DaiQun ChenSongcan (DepartmentofComputerScienceandEngineering，NanjingUniversityofAeronauticsnadAstronautics，Nanjing210016，China) Abstraet：The discounted least squares fDLS1principle iS borrowed to constructthe learning algorithm ofDLS—RBF basedupon squared errorcriterion．TheprincipleofDLSformulatesinherent structuralchangesand time correlation in time series itselfprecisely．while in the learning and predictingprocessof currentradialbasisfunction (RBF)network thiscorrelation iSneglected． Experimentsshow thatDLs—RBF hasbeaerperformancethan RBF in non—stationary covarina cetime seriesand daily．1ife—waterconsumption prediction．Butin the experimentsofchaotic time series forecasting．thepredictiveeffectsarenotprominentdueto itschaoticcharacteristics． Keywords：discountedleastsquares：radialbasisufnction；timeseriesprediction 前馈型径向基函数 (radialbasisfunction，RBF) 1 RBF网络及其学习算法 网络以具有全局逼近性质、最佳逼近性能和训练方 法快速易行等特点使其在实际中得到了广泛的应 1．1 RBF网络的结构 用．但 RBF在时间序列的预测应用中，并未考虑时 基于人 的大脑皮层感受野的特点，Mo