一种改进的基于指数平滑神经网络模型的时间序列预测方法

被引：13

作者：

张东 ^{[1
]}

安玉娥 ^{[2
]}

傅娟 ^{[1
]}

机构：

[1] 上海理工大学理学院

[2] 上海金融学院应用数学系

来源：

数学的实践与认识 | 2013年 / 43卷 / 05期

关键词：

指数平滑; 神经网络; MEA模型; IEA模型; 预测; 时间序列;

D O I：

暂无

中图分类号：

O211.61 [平稳过程与二阶矩过程];

学科分类号：

070103 [概率论与数理统计];

摘要：

基于指数平滑模型与误差反传神经网络法提出了一个改进的时间序列预测方法.将神经网络模型移植入指数加权滑动平均模型中,充分考虑了时间序列的部分线性性和非线性性对预测结果的影响,是传统的混合模型的一个更合理的改进.最后通过对上证指数时间序列的实证分析,以预测均方误差为检验标准,对五种常用的时间序列预测模型进行了预测精度的比较,而且经验证所提出的改进的时间序列预测模型相对来说具有更小的预测均方误差.

引用

页码：20 / 28

页数：9

共 5 条

[1]

变形预测中顾及时变特性的指数加权组合法 [J].