自适应差分进化算法优化BP神经网络的时间序列预测

被引：52

作者：

王林 ^{[1
]}

彭璐 ^{[1
]}

夏德 ^{[2
]}

曾奕 ^{[1
]}

机构：

[1] 华中科技大学管理学院

[2] 武汉理工大学管理学院

来源：

计算机工程与科学 | 2015年 / 37卷 / 12期

关键词：

时间序列预测; BP神经网络; 差分进化算法;

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：

140502 [人工智能];

摘要：

针对BP神经网络学习算法随机初始化连接权值和阈值易使模型陷入局部极小点的缺点,设计了一种自适应差分进化算法优化BP神经网络的混合算法。该混合算法中,差分进化算法采用自适应变异和交叉因子优化BP神经网络的初始权值和阈值,再用预寻优得到的初始权值和阈值训练BP神经网络得到最优的权值和阈值。首先对改进的自适应差分进化算法运用测试函数进行性能测试,然后用一个经典时间序列问题对提出的混合算法进行了检验,并与一般的神经网络、ARIMA预测模型及其它混合预测模型进行了对比,实验结果表明,本文提出的混合算法有效并且明显提高了预测精度。

引用

页码：2270 / 2275

页数：6

共 12 条

[1]

改进粒子群算法优化BP神经网络的短时交通流预测 [J].

李松 ;

刘力军 ;

翟曼 .

系统工程理论与实践, 2012, 32 (09) :2045-2049

[2]

DE-BP神经网络对产品成本预测的研究 [J].

邓华 ;

赵辉 .

计算机工程与应用 , 2009, (03) :233-234+241

[3]

Back propagation neural network with adaptive differential evolution algorithm for time series forecasting [J].

Wang, Lin ;

Zeng, Yi ;

Chen, Tao .

EXPERT SYSTEMS WITH APPLICATIONS, 2015, 42 (02) :855-863

[4]

Modeling and optimization for the joint replenishment and delivery problem with heterogeneous items.[J].Hui Qu;Lin Wang;Yu-Rong Zeng.Knowledge-Based Systems.2013,

[5]

Evolving neural network using real coded genetic algorithm for permeability estimation of the reservoir [J].

Irani, Rasoul ;

Nasimi, Reza .

EXPERT SYSTEMS WITH APPLICATIONS, 2011, 38 (08) :9862-9866

[6]

An artificial neural network ( p ;<ce:hsp sp="0.12"/> d ;<ce:hsp sp="0.12"/> q ) model for timeseries forecasting.[J].Mehdi Khashei;Mehdi Bijari.Expert Systems With Applications.2009, 1

[7]

Comparison of ARIMA, neural networks and hybrid models in time series: tourist arrival forecasting [J].

Aslanargun, Atilla ;

Mammadov, Mammadagha ;

Yazici, Berna ;

Yolacan, Senay .

JOURNAL OF STATISTICAL COMPUTATION AND SIMULATION, 2007, 77 (01) :29-53

[8]

Scheduling flow shops using differential evolution algorithm.[J].Godfrey Onwubolu;Donald Davendra.European Journal of Operational Research.2004, 2

[9]

Time series forecasting using a hybrid ARIMA and neural network model.[J].G.Peter Zhang.Neurocomputing.2002,

[10]

A weight initialization method for improving training speed in feedforward neural network.[J].Jim Y.F. Yam;Tommy W.S. Chow.Neurocomputing.2000, 1

← 1 2 →