神经网络与加权模糊马尔可夫链的组合模型及其应用

根据数据序列具有宏观变化、微观波动、相近性和相依性,建立了基于BP神经网络与模糊加权马尔可夫链的数据预测模型。首先利用BP神经网络对数据拟合,对残差进行模糊C均值聚类得到马尔可夫链的状态区间,以此求出状态转移概率矩阵,并利用归一化后的自相关系数对其进行改进,确定出预测数据所属状态区间,根据状态区间求出预测值。从实例分析表明该文算法具有较高的精确度和可靠性,应用前景广阔。