基于最近邻径向基函数网络的时间序列预测研究.pdfVIP

基于最近邻--径向基函数网络的时间序列预测- 郑启富 苏国栋 (浙江工业大学浙西分校，浙江 衢州 324000) 摘 要：针对复杂的非线性时间序列难以准确预测的问题，将最近邻法(NN)与径向基函数网 络(RBFN)相融合，设计了一种新的最近邻-径向基函数网络(NN-RBFN)的时间序列预测方法。 NN-RBFN算法结构简单、易于编程，并具有通用性。将NN-RBFN应用于我国粮食产量的 时间序列预测，取得了良好的预测效果，可为政府部门提供决策依据。 关键词：时间序列；预测；最近邻法；径向基函数网络；粮食产量 1 11 引言 时间序列是指同一种现象在不同时间上的相继观察值排列而成的一组数字序列。时间序 列预测方法的基本思想是：用该现象的过去行为来预测未来，即通过时间序列的历史数据揭 示现象随时间变化的规律，并将这种规律延伸到未来，从而对该现象的未来做出预测。目前， [1] 时间序列预测已成为众多科学领域的研究热点之一 。 时间序列预测方法可分为线性模型和非线性模型两大类。线性模型包括自回归求和移动 [2] 平均(autoregressive integrated moving average, ARIMA) 模型 、指数平滑(exponential [3,4] smoothing, ES)模型 等，它们在具体应用时需要确定许多参数，步骤复杂，同时由于时间 序列受众多因素影响，序列数据之间通常存在较为复杂的非线性关系，线性模型难以准确表 达。非线性模型包括广义自回归条件异方差 (generalized autoregressive conditional [5] [6,7] heteroscedasticity, GARCH)模型 、人工神经网络(artificial neural networks,ANN)模型 等， 它们在非线性时间序列预测中具有良好的应用前景。鉴于此，本文将运用径向基函数网络 (radialbasisfunctionnetworks,RBFN)，并结合最近邻(nearestneighbor, NN)的思想，设计一种 新的最近邻-径向基函数网络(NN-RBFN)的时间序列预测方法，并将其应用于我国粮食产量的 预测。 2 - 22 最近邻--径向基函数网络预测方法 [8] 最近邻法是模式识别的标准算法之一，常用于聚类分析 ，其基本思想是在多维空间中 样本数据的类别归属与各点间的距离有关，距离相近的样本归为同一类。最近邻的优点是它 对数据结构没有特殊要求（例如：它不要求线性可分），只需根据每个未知样本与已知样本 的近邻关系即可判别其归属问题。本文将它的基本思想引入到时间序列变量的预测。 X  X p 已知单因子时间序列变量 ，根据最近邻的思想， 与其前 个相邻历史值 t n t X ,X ,,X 属于同一类，它的值依赖于相邻历史值。定义： t1 t2 tp D DD  (X ,X ,,X ) (1) t t1 t2 tp D D DD