混沌时间序列的自适应正交小波神经网络预测

被引：3

作者：

郭会军 ^{[1
]}

林遂芳 ^{[1
]}

王华民 ^{[1
]}

刘君华 ^{[2
]}

机构：

[1] 西安理工大学自动化与信息工程学院

[2] 西安交通大学电气工程学院

来源：

西安理工大学学报 | 2008年 / 03期

关键词：

混沌时间序列; 小波框架; 正交化逐步选择; 自适应预测;

D O I：

10.19322/j.cnki.issn.1006-4710.2008.03.008

中图分类号：

TP183 [人工神经网络与计算];

学科分类号：

摘要：

针对非线性混沌时间序列预测问题,提出一种基于正交小波神经网络的自适应预测算法。根据来自非线性序列模型的期望输入输出数据,利用小波框架理论建立初始的小波神经网络。采用正交化逐步选择方法对于初始小波神经网络进行结构优化,从而建立最精简的网络模型。同时引入在线学习算法在线修改网络权值和小波神经元的参数,从而提高模型的自适应能力和泛化能力。通过对时滞Mackey-G lass超时间序列和时变Lorenz混沌序列的预测,证明了算法的有效性。

引用

页码：295 / 300

页数：6

共 13 条

[1] 一种新型广义RBF神经网络在混沌时间序列预测中的研究 [J].