非线性时间序列动态建模和预测的BP神经网络方法.pdfVIP

非线性时间序列动态建模与预测的BP神经网络方法 吴今培胡旭川陈世权 五邑大学智能技术与系统研究所广东江门520920 摘要利用人工神经网络方法进行非线性时间序列的建模与预测己引起广泛关注，本文首先针对BP 神经网络建模收敛较慢，计算复杂性较高，对BP神经网络的算法加以改进；然后提出一种利用BP网络 进行非线性时间序列的动态建模与预测的方法。仿真结果表明该方法是行之有效的． 关键词 非线性时间序列，BP神经网络．预测 TimeSeries and Non．Linear DynamicModeling onBPNeuralNetworks Based Forecasting HuXuchuanWu Chen Jinpen Shiquan 529020 Institute Technology＆Symms．WuyiUniversity,Jiangmen，Guangdong ofIntelligence methodofnon．1ineartimeseries and basedontheartificial AbstractThe modelingforecasting inorder has this isadvanced neuralnetworkbeen noted．In algodthm widely paper,animproving to theBPneuralnetwork’s anddecreasethe complication； improve convergencespeed calculating ofnon-lineartimeseries and is thenwiththis method dynamicmodelingforecasting algorithm，a emulationresultshowsthatthismethodiseffective． given．The Non—LinearTime neural Keywords Series，BPnetwork,forecasting 引言 时间序列的建模以及预测分析在工程、经济、社会科学等领域都有着广泛的应用。在 实际的经济与工程系统中。总是或多或少含有非线性因素．当非线性因素影响较小时，可 以采用线性模型来描述或逼近，但当这种描述得不到满意结果时，就应采用非线性时序模 型。通常，非线性时序模型分为两类，一类是对非线性系统进行背景分析和研究，针对不 同的非线性特征采用相应的非线性预测模型，如门限自回归模型、指数自回归模型、双线 性模型等，另一类是采用一些非线性的迭代、学习模型，如人工神经网络方法来拟合较为 复杂的时序数据。 在非线性时间序列预测分析领域中运用神经网络技术，主要是利用神经网络的概括能 一2ll— 力，它可被理解为对所学习的知识与经验总结归纳进行判断的