基于神经网络的预测模型中输入变量的选择

被引：3

作者：

杨奎河

王宝树

赵玲玲

机构：

[1] 西安电子科技大学计算机学院

[2] 河北科技大学信息学院西安河北科技大学信息学院石家庄

[3] 西安

[4] 石家庄

来源：

计算机科学 | 2003年 / 08期

关键词：

Neural network; Input variables; Forecasting;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

<正> 影响预测的因素和数据非常多,如何从大量的影响因素和数据中选择出对期望输出影响较大的一些因素,组成一个有效输入变量集,成为神经网络预测方法首先要面对的问题。现在对神经网络预测模型中输入变量的选择尚未提出一种比较系统的方法,一般都根据设计者的经验选取。用相空间嵌入法来确定神经网络的输入变量,能够在历史数据序列中寻找对预报时刻影响最大的数据,但直接将选择结果用于预测时效果比较差。OLS法对输入变量进行正交变化,可求出各因素的单独贡献,但该方法不适合处理随时间连续变化的数据序列,而且计算较复杂。笔者将自相关函数的概念应用于神经网络预测中的输入变量选择,从历史数

引用

页码：139 / 140+143 +143

页数：3