混沌时间序列的自适应变异差分进化ANFIS预测

被引：2

作者：

李目 ^{[1
,2
]}

何怡刚 ^{[2
]}

周少武 ^{[1
]}

谭文 ^{[1
]}

机构：

[1] 不详

[2] 湖南科技大学信息与电气工程学院

[3] 不详

[4] 湖南大学电气与信息工程学院

[5] 不详

来源：

计算机工程与应用 | 2009年 / 12期

关键词：

差分进化算法; 混合学习算法; 自适应神经模糊推理系统; 混沌时间序列预测;

D O I：

暂无

中图分类号：

TP11 [自动化系统理论];

学科分类号：

摘要：

提出了一种基于自适应变异差分进化(AMDE)算法的ANFIS模型对混沌时间序列进行预测的方法,该方法采用自适应变异差分进化算法和最小二乘法相结合的混合学习算法对ANFIS网络结构参数进行优化设计,利用差分进化算法的全局寻优能力对ANFIS网络前件参数进行优化,而网络的结论参数采用最小二乘法优化,混合学习算法提高了网络参数辨识的收敛速度和系统的全局收敛性,仿真实验结果表明了该方法的有效性。

引用

页码：134 / 137

页数：4

共 13 条

[1] 差分进化算法研究进展 [J].