基于改进BP神经网络的混沌时间序列预测方法对比_温文.pdfVIP

第31 卷 第8 期 河 南 科 学 Vol.31 No.8 2013 年8 月 HENAN SCIENCE Aug. 2013 文章编号：1004-3918 （2013）08-1197-05 基于改进BP 神经网络的混沌时间 序列预测方法对比 温 文，龚祝平 （华南理工大学工商管理学院，广州 510641） 摘 要：针对BP 神经网络预测混沌时间序列存在的易陷入局部极小值和收敛速度较慢的问题，选取了两种改进预 测模型，即GA－BP 预测模型和PSO－BP 预测模型. 并将这两种模型对Lorenz 混沌时间序列进行了预测比较实验. 实验表明，两种改进模型比BP 神经网络预测模型具有更好的预测性能，并且PSO－BP 预测模型较GA－BP 预测模型 的预测精度更高. 关键词：混沌时间序列；BP 神经网络；遗传算法；粒子群算法 中图分类号：TP 183 文献标识码：A The Chaotic Time Series Prediction Comparison Based on Improved BP Neural Network Methods Wen Wen ， Gong Zhuping （School of Business Administration ，South China University of Technology ，Guangzhou 510641，China） Abstract: Based on the problem that BP neural network prediction of chaotic time series is easy to fall into local minimum and slow convergence speed，we chose two kinds of improved prediction model，namely the GA－BP prediction model and PSO－BP prediction model． Experimental results show that two kinds of improved model has better prediction performance than the BP neural network prediction model ，and the accuracy of PSO－BP prediction model is better than GA－BP model． Key words: chaotic time series ；BP neural network ；genetic algorithm ；PSO 混沌现象在自然界和人类社会中普遍存在，它是一种由内在机制确定的动力学系统产生的貌似无规则 的非线性运动. 对初始条件极端敏感性是混沌系统的重要特性. 混沌在现实生活、生产中已得到广泛应用， 如交通系统、电力系统、气象系统等. 虽然混沌现象是貌似无规则的一种现象，但由于产生混沌想象的内在 确定性机制，使之在短期内是可以预测的. 随着混沌理论的发展和技术的进步，混沌时间序列的预测已成为现代混沌系统研究的重点. 到目前，混