非线性时间序列预测的前馈网络方法及应用

样本构成、网络结构、学习算法是影响前馈网络应用的三大关键问题。本文提出了一种基于门限自回归ＴＡＲ模型的非线性时间序列预测前馈网络方法，该方法利用ＴＡＲ模型的门限值对训练样本进行分群，依据ＴＡＲ模型的阶数、训练样本数等确定前馈网络结构，网络学习算法采用基于梯度法和共轭梯度法相结合的联合梯度算法。应用研究表明该方法有效地改善了网络的泛化性能，提高了预报精度，同时也缩短了网络的训练时间。