神经网络预测中训练样本的选择.pdfVIP

TheSelectionofTrainingSamples inNeuralNetwork Forecasting LIYingLIUBao Institute 300072) (Systems ofTianjin Engineering University．Tianjin AbstractTheneuralnetwork-hasbeenused inthe areabecauseofits widely forecasting nonlinear The￡lectionof has ef- good approximationability trainingsampleimportant [ect011the this discussseveraldifferent forecastingaccuracy．Inpaper．Wc selecting Data Data methods：Whole Window Learning(WDL)，MovingLearning(MWDL)， tlse SimilarDataSaleetive Andthenwe 30me tO Learning(SDSL) examplescompare their performance Nepal coefficient Keywords Network；Forecasting；TrsiningSample；Correlation 神经网络预测中训练样本的选择★ 李 英 刘豹 (天津大学系统工程研究所300072) I_l要由于神经网络具有良好的非线性逼近能力，在预测领域中应用广泛。训练样本的选择对于 神经网络预测的精度具有重要的影响．本文讨论了几种不同的选择方法：全体数据方法、移动窗 数据方法、相似数据方法．井通过实例对各种方法的性能进行了对比。 关t词神经网络预测训练洋本相关系散 一、引 言 神经网络作为一种数据驱动的非线性建模方法．在预测领域中得到了广泛的应用。传 统的时间预测方法，比如Box—Jenkins方法、回归分析方法、ARMA模型等，—般假定所研 究的时间序列是由线性过程产生的。但事实上．现实世界种的系统经常是非线性的。虽然近 年来发展起了凡种非线性时间序列预测模型，如双线性模型、门限自回归模型(TAR)、自回 归条件异方差(ARCH)模型等，但这些模型都需要在对数据的内在规律知道不多的情况下 对序列问关系进行假定。而采用神经网络方法，可以在不了解输入或输出变量间关系的前 提下完成非线性建模…。 在使用神经网络方法对时间序列进行预测时，网络结构的确定、训练样本的选择两大 嶂文得到国索自然科学基金资助．项目批号：794删1 415 因素对于其预测精度具有举足轻重的作用。对于网络结构确定．在许多情况下是依靠试凑 法及经验来完成的．这是限制神经网络应用的一个主要因素。对于前馈结构的时间网络．文