混沌时间序列的自适应变异差分进化ANFIS预测  

Chaotic time series prediction based on ANFIS with adaptive mutation differential evolution algorithm

作　　者：李目[1,2] 何怡刚[2] 周少武[1] 谭文[1] 

机构地区：[1]湖南科技大学信息与电气工程学院,湖南湘潭411201 [2]湖南大学电气与信息工程学院,长沙410082

出　　处：《计算机工程与应用》2009年第12期134-137,共4页Computer Engineering and Applications

基　　金：国家自然科学基金No.50677014;高校博士点基金项目No.20060532016;湖南省科技计划项目No.06JJ2024~~

摘　　要：提出了一种基于自适应变异差分进化(AMDE)算法的ANFIS模型对混沌时间序列进行预测的方法,该方法采用自适应变异差分进化算法和最小二乘法相结合的混合学习算法对ANFIS网络结构参数进行优化设计,利用差分进化算法的全局寻优能力对ANFIS网络前件参数进行优化,而网络的结论参数采用最小二乘法优化,混合学习算法提高了网络参数辨识的收敛速度和系统的全局收敛性,仿真实验结果表明了该方法的有效性。A new method of chaotic time series prediction based on Adaptive Neuro Fuzzy Inference System （ANFIS） with Adaptive Mutation Differential Evolution（AMDE） algorithm was proposed.In the proposed method,the structure parameters of ANFIS were optimized by the hybrid algorithm which combined AMDE algorithm with least square method.The initial parameters of ANFIS model were tuned by differential evolution algorithm and then the final parameters of the model were optimized by least square algorithm.The hybrid algorithm greatly raises the convergence speed of network parameters identification and the global convergence of the system.h is demonstrated that the presented method is effective by the computer simulation.

关 键 词：差分进化算法 混合学习算法 自适应神经模糊推理系统 混沌时间序列预测 

分 类 号：TP273[自动化与计算机技术—检测技术与自动化装置]