基于并行神经网络集成的多步预测方法  

Multi-step-ahead Prediction Based on Parallel Neural Network Ensemble

作　　者：谢景新[1] 程春田[2] 秦颖[3] 

机构地区：[1]大连理工大学电子信息学院,辽宁大连116024 [2]大连理工大学水利信息研究所,辽宁大连116024 [3]大连理工大学管理学院,辽宁大连116024

出　　处：《计算机工程与应用》2006年第29期75-77,80,共4页Computer Engineering and Applications

基　　金：国家自然科学基金资助项目(编号:50479055)

摘　　要：神经网络集成通过训练多个神经网络并将其结论进行合成,可以显著地提高学习系统的泛化能力。该文提出了一种基于特征提取的并行神经网络集成多步预测模型ECPNN(ExtractionofCharacteristicsParallelNeuralNetwork)。从单因素时间序列中提取出代表内在机制的特征,采取并行TDNN(Time-delayNeuralNetwork)集成的方式实现时间序列多步预测。实验结果表明了该模型在多步预测方面的可行性和有效性。By training a finite number of neural networks and then combining their resuhs,neural network ensemble can significantly improve the generalization ability of learning systems.In this paper,a new model,Extraction of Characteristics Parallel Neural Network （ECPNN）, is proposed for multi-step-ahead prediction.The framework of the model is composed of parallel Time Delay Neural Networks（TDNN） to process characteristic and remainder sequences extracted from single factor time series.Tested on time series of sunspot prediction,the model provides more accurate result for multi-step prediction than single TDNN.

关 键 词：神经网络集成 特征提取 TDNN 多步预测 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]