非线性时间序列的小波-模糊神经网络集成预测方法  

A Integrated Prediction Method Of Wavelet-Fuzzy Neural Network For Nonlinear Time Series

作　　者：张大斌[1,2] 李红燕[1] 刘肖[1] 张文生[2] 

机构地区：[1]华中师范大学信息管理学院,湖北武汉430079 [2]中国科学院自动化研究所,北京100190

出　　处：《中国管理科学》2013年第S2期647-651,共5页Chinese Journal of Management Science

基　　金：湖北省自然科学基金创新群体项目(2011CDA116);国家自然科学基金资助项目(70971052);中国博士后基金资助项目(2012M510607)

摘　　要：传统模糊神经网络在时间序列预测方面已经有比较成功的应用,但在预测前,是否需要预先进行趋势和季节剔除,以及如何进行剔除,还缺乏统一认识。利用小波分解将非线性时间序列中的趋势项、周期项和随机项分离出来,然后采用模糊神经网络进行集成预测,解决了传统差分方法等剔除趋势和季节因素后,进行模糊神经网络预测效果差的问题,同时又充分利用了非线性时间序列中的趋势项、周期项和随机项信息。为了检验小波-模糊神经网络的非线性时间序列预测效果,对我国铁路客运量进行预测实验。实验结果表明,利用小波分解进行趋势项、周期项和随机项的分离,并进行模糊神经网络的集成预测,比传统的模糊神经网络预测有着更好的精度,从而验证了模型的有效性。In this study,a fuzzy neural network integrated prediction method with wavelet for nonlinear time series is proposed.In this integrated prediction method,using wavelet decomposition nonlinear time series are separated into tendency item,periodic item and random item,then integrated forecasting by fuzzy neural network.It is more effective than the traditional methods like the differential to exclude trends and seasonal factors,meanwhile take good advantage of the trend item,periodic term and random item information of nonlinear time series.In order to verify the effectiveness of the proposed method,scientific forecasting on the volume of passenger traffic of China is conducted.The experimental results show after separate time series into trend items,periodic items and random items by wavelet decomposition,then integrated forecasting with fuzzy neural network could more accurate,which verifies the validity of the method.

关 键 词：小波分解 模糊神经网络 非线性时间序列 预测 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程] O211.61[自动化与计算机技术—控制科学与工程]