一种基于改进型RBF神经网络的非线性时间序列预测模型.pdfVIP

第25卷第1期 湖南工程学院学报 V01．25．No．1 ofHunanInstituteof Mar．2015 Z015年3月 Journal Engineering 一种基于改进型RBF神经网络的非线性 时间序列预测模型 陈海英 (华中农业大学楚天学院，武汉430205) 摘 要：RBF神经网络具有收敛速度缓慢、全局搜索能力差等缺点，提出了一种基于遗传算法的RBF 神经网络，经过自适应遗传算子参数优化，提高了RBF神经网络模型的预测精度，实现了非线性时间序 列的预测．仿真实验结果表明，基于遗传算法的RBF网络预测模型非常适合非线性时间序列的预测，是 可行的、精准的、有效的． 关键词：时间序列预测模型；RBF神经网络；遗传算法 中图分类号：0244文献标识码：A 文章编号：1671—119X(2015)01一0041—03 0前言 1987年神经网络被首次运用于预测，此后便逐 渐受到网络预测领域的关注和重视．目前，不同形式 i◆ 的神经网络已经被运用到经济、工业和生活等方面 的预测中．但由于神经网络的自身局限性，导致其具 I冬i 1 fl}i经l‘日；{々f{0J走4i；占f勾 有收敛速度缓慢、全局搜索能力较差的特点，容易造 成局部极小值情况，因此在单独运用的预测效果方 2 RBF神经网络 面存在缺陷[1]．随着近年来人工智能学科的发展和 进步，遗传算法、模糊控制、自适应控制等技术逐渐 神经网络，该网络的隐藏层中扩展了一个“函数”集，组 成熟，神经网络开始联合其他技术一起应用于时间 建起一个“基”[3|．径向基神经网络分别包括输入层、隐 序列预测领域． 含层及输出层三种形式，为前向神经网络．径向基 1人工神经网络 (砌狐)神经网络基本结构图如图2所示． 人工神经网络(ANN)是一个较为复杂的网络 结构，其由大量简单处理单元构成，可模拟出动物神 经网络的行为和结构．该神经网络中含有若干个神 经元，每个神经元均可向其周边的神经元发送消息 或接收周边神经元发送过来的消息，各个神经元通 过相互合作来实现网络信息的处理．这种网络格局 具有自适应和自学习的特点，通过对输入输出数据 的分析，可掌握到相对性的数据规律，并由此推算出 数据输出结果，神经网络中的这种输入输出分析过 图2 RBF神经网络的结构图 程就是一种“训练”和“学习”过程[2]．神经网络的基 RBF神经网络内的隐节点基函数的运算采用 本结构如图1所示． 了距离函数，其径向基函数采用的是激活函数Ⅲ．则 收稿日期：2014—11一08 作者简介：陈海英(1976一)，女，硕士，副教授，研究方向：高等数学教育教学． 万方数据 42 湖南工程学院学报 2015年 RBF分布函数见公式(1)： 个体的评价采用适应度函数值进行，解码神经 网络内的各个个体，可获取一个输入样本，将负的平 厂(z)2∞。+善哪^』(z) (1) 均相对误差(MAPE)来衡量适应度函数厂，以区分 在公式(1)中，s代表隐含层神经元节点的数 量，也就是径向基函数中心个数