改进PSO优化BP神经网络的混沌时间序列预测

被引：26

作者：

李松 ^{[1
]}

刘力军 ^{[2
]}

刘颖鹏 ^{[1
]}

机构：

[1] 河北大学管理学院

[2] 河北经贸大学工商管理学院

来源：

计算机工程与应用 | 2013年 / 06期

关键词：

预测; 混沌理论; 反向传播(BP)神经网络; 粒子群算法;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算]; O211.61 [平稳过程与二阶矩过程];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ; 020208 ; 070103 ; 0714 ;

摘要：

为提高BP神经网络预测模型的预测准确性,提出了一种基于改进粒子群算法优化BP神经网络的混沌时间序列预测方法。引入自适应变异算子对陷入局部最优的粒子进行变异,改进了粒子群算法的寻优性能;利用改进粒子群算法优化BP神经网络的权值和阈值,训练BP神经网络预测模型求得最优解。将该预测方法应用到几个典型的非线性系统的混沌时间序列进行有效性验证,结果表明了该方法对典型混沌时间序列具有更好的非线性拟合能力和更高的预测准确性。

引用

页码：245 / 248+270 +270

页数：5

共 8 条

[1] 基于贝叶斯网络的混沌时间序列预测 [J].