混沌时间序列的混合粒子群优化预测

被引：13

作者：

刘伟 ^{[1
]}

王科俊 ^{[1
]}

邵克勇 ^{[2
]}

机构：

[1] 哈尔滨工程大学自动化学院

[2] 大庆石油学院电气工程系

来源：

控制与决策 | 2007年 / 05期

关键词：

混沌时间序列; 粒子群算法; 径向基神经网络; 梯度下降法;

D O I：

10.13195/j.cd.2007.05.84.liuw.017

中图分类号：

TP13 [自动控制理论];

学科分类号：

0711 ; 071102 ; 0811 ; 081101 ; 081103 ;

摘要：

提出一种混合粒子群优化算法,即在改进粒子群优化算法全局搜索模型参数的基础上,利用梯度下降法进一步确定径向基神经网络模型参数,以提高网络的收敛精度和网络性能.采用基于RBFNN的混合粒子群优化算法进行离散Henon和连续Mackey-Glass混沌时间序列预测仿真,结果表明该算法能快速精确地预测混沌时间序列,是研究复杂非线性动力系统辨识和控制的一种有效方法.

引用

页码：562 / 565

页数：4

共 4 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].