文档介绍：万方数据
基于神经网络的时间序列预测问题研究杨娟丽烀坊。醺A郑跫Hāぃ趸邸诒曜糂窬绲氖奔湫蛄性げ馕侍獯嬖诘牟蛔慵胺治关键词:神经网络;时间序列;预测年,鲁梅哈特吐罂死茁椎岢隽宋蟛罘聪虼ú算法,简称算法昀矗淙灰延卸嘀秩斯ど窬缒P捅惶岢并得以深入研究,但在现有的神经网络模型中,神经网络或它的改进形式约占%一%,并且理论已证明,三层神经网络只要隐含层节点数足够多,,可操作性强、较好的自学习和自适应能力、、智能控制、预测、图像识别、函数拟合、系统仿真等领域】.本文针对基于神经网络的时间序列预测问题进行研究,指出了基于标准神经网络的时间序列预测问题存在的不足,研究给出了一种以∞,,其图形如图荆图敬ǖ莺闹涤蛭!緊,.在数据处理的时候,当将输入输出数据处理到【一】或,区间时,对于具有明显增长趋势的问题,只能对历史数据进行拟合,而无法进行外推预测,,或..时,只能进行短期预测,..,虽然能外推得到较多的预测值,但由于训练段与预测段变化趋势不一致,预测数学的实践与认识摘要:,研究给出了一种以魑4ǖ函数的时间序列预测方法,经实例验证表明,,,,山东烟台收稿日期:—ㄑ蹲髡甆
万方数据
,/茁净—≠葈,江,⋯,式中,是输入样本数据,骸省綾,浚珻和荹,恐涞某J襝,~NJ淙弧#:杨娟丽,等:基于神经网络的时间序列预测问题研究,,琠一图ゼ許型函数表“一
万方数据
贐窬绲氖奔湫蛄性げ馕侍獾耐缃峁褂胩氐样本数据的最大、,年一的数据作为检验样本,网络结构为—荽淼絒ⅰ緊..俊,保珺窬绲钠骄喽晕蟛钋榭鋈绫所示,模型的拟合精度情况及外推情况如图荆表屯表明,当将数据处理到不同区间是,神经网络虽然都具有较高的拟合精度,,而且传递函数各段变化趋势和规律不一致,当数据处理达到较小区间内时,就会出现训练段与预测段不一致的问题,当将数据处理到较大区间内时,,神经网络虽然具有较高的拟合精度,,⋯,,输入层神经元个数为口,其输入分别为,瑇,⋯,琗￡一,且有,￡￡璛一,街校瑃,琻—输出层神经元个数为保珺窬缡淙搿⑹】,的浠晃獄一眤时,有印#瓸窬绲氖淙胗胧涑鲋渚哂蟹