一种预测混沌时间序列的模糊神经网络方法.PDFVIP

第 卷 第 期 年 月 物 理 学 报 ! %% $## %% ， ， ， /)0 ’! B) ’ %% B)C+DE+* $## （ ） %###73$8#9$##9! %% 9#3!7# :;: =?@A;: @ABA;: !$## ;FG, ’ =FHI ’ @)J ’ !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! 一种预测混沌时间序列的模糊神经网络方法 胡玉霞 高金峰 （郑州大学电气工程学院，郑州 !###$ ） （ 年 月 日收到； 年 月 日收到修改稿） $##! %% % $## %! 给出了一种预测混沌时间序列的模糊神经网络及其学习方法，给出的方法能直接从数据中提取模糊规则，经 过优化得到最佳模糊规则库，并利用神经网络的自学习功能修改隶属函数的参数和网络的权值，减少了规则的匹 配过程，加快了推理速度，增强了网络的自适应能力’ 使用该神经网络及其学习方法对()*+,- 混沌时间序列进行了 预测仿真研究，试验结果表明给出的预测工具和方法是有效的’ 关键词：模糊神经网络，模糊规则提取，混沌时间序列预测 ： !## #! %. 引 言 $ . 模糊神经网络结构模型 在混沌动力学系统中，通过时间序列来研究整 本文采用的模糊神经网络是一个多输入单输出 个系统的动力学行为并对混沌序列进行预测已成为 的多层前向系统，由五层组成，如图 所示 设各层 % ’ 一个重要的研究方向 目前，国内外学者提出了多 的输入用 、输出用 表示，输入输出的下标表示 ’ ! 种混沌时间序列预测方法，如最大李雅普诺夫指数 层，上标表示层中神经元，则第 层中第 个神经元 3 $ ［，］ 法% $ $ $ 、少参数二阶 滤波法、自适应高阶非线 的输入可表示为为 ，输出可表示为 /)01+**2 !3 3 ’ ［— ］ 性滤波法、神经网络法等3 ’ 已有方法在信号处 各层神经元之间的输入输出关系如下’ ［］ 4 理、控制理论、经济管理等领域 获得了广泛应用’ 第一层为输入层，层中的节点代表输入变量，输 模糊神经网络将模糊系统的逻辑推理能力和神 入节点的个数由被预测系统的维数决定’ 该层节点 经网络的自适应能力相结合，既有模糊推理的功能， 的输入输出关系为 又给网络权值赋予了明确的物理意义’ 用神经网络