基于改进递归区间2型直觉FNN的时间序列预测.pdf

DOI:10.13546/j.cnki.tjyjc.2024.20.010

理论探讨

基于改进递归区间2型直觉FNN的时间序列预测

陈孝慈，谭章禄12

（1.常州大学商学院，江苏常州213000；2.中国矿业大学（北京）管理学院，北京100083）

摘要：文章针对时间序列预测中存在的高度随机性与不确定性，提出了一种改进递归区间2型直觉模糊

神经网络预测模型。首先，借助直觉评估和系统的噪声容忍度，通过区间2型直觉模糊集来增强对不确定性的

建模；其次，将每个模糊推理规则激发强度反馈给自身来建立本地内部反馈机制，从而充分挖掘数据之间的内

在信息；然后，将改进的密度聚类算法与直觉模糊集触发强度相结合来确定模糊规则，使模型能够自适应地调

整结构，从而适应时间序列数据的变化趋势；最后，通过噪声混沌序列、非线性系统辨识，以及高频金融时间序

列预测实验，验证了所提方法具有更高的预测精度和泛化性能。

关键词：时间序列；直觉模糊；前馈神经网络；自适应；预测

中图分类号：TP183；O211.61文献标识码：A文章编号：1002-6487（2024）20-0061-06

高度拟合。

0引言

1基于改进递归区间2型直觉模糊神经网络的结构

时间序列预测在经济分析、网络监控、工业监测等方

面得到了广泛应用，但现实中所面临的预测问题多存在较eRIT2IFNN采用局部递归连接方式，将每个模糊规则

大的随机性与不确定性，迫切需要开发高精度时间序列预产生的推理信息分别存储，任意一个直觉模糊规则的学习

测方法。学者们针对时间序列的随机性与不确定性进行过程对其他规则的稳定性没有影响。eRIT2IFNN六层结

[1]

了一系列研究。例如，李红光等（2020）基于稀疏贝叶斯构见图1。

学习，利用L型阵列特点，实现了更高精度的波达方向μˉμαυ

11ˉˉμkυυ