GM(1,1)残差修正的季节性神经网络预测模型及其应用

被引：4

作者：

叶明全

胡学钢

不详

机构：

[1] 皖南医学院计算机教研室

[2] 合肥工业大学计算机与信息学院芜湖合肥工业大学计算机与信息学院

[3] 合肥

来源：

计算机工程与应用 | 2005年 / 01期

关键词：

季节性时间序列; GM(1,1)模型; 残差修正; 季节性神经网络;

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：

季节性时间序列具有增长性和波动性的二重趋势。灰色模型GM(1,1)能反映时间序列的总体变化趋势,但不能很好反映其季节性波动变化的具体特征,在模拟与预测季节性时间序列中有明显的局限性。文中介绍了季节性神经网络建立的残差修正模型。通过季节性神经网络模型对GM(1,1)的残差序列进行分析,提取其中的非线性成分作为预测时的补偿项,以进行残差修正,从而形成GMSANN叠合预测模型。实例表明,所建模型具有较好的适应性和预测精度。

引用

页码：194 / 196

页数：3

共 9 条

[1] 基于残差变化趋势的GM(1,1)修正模型的算法实现与应用 [J].