基于混合进化算法的RBF神经网络时间序列预测  

RBF neural network time series forecasting based on hybrid evolutionary algorithm

作　　者：龙文[1,2] 梁昔明[2] 龙祖强[3] 秦浩宇[2] 

机构地区：[1]贵州财经学院贵州省经济系统仿真重点实验室,贵阳550004 [2]中南大学信息科学与工程学院,长沙410083 [3]衡阳师范学院物理与电子信息科学系,湖南衡阳421008

出　　处：《控制与决策》2012年第8期1265-1268,1272,共5页Control and Decision

基　　金：国家自然科学基金项目(60874070;61074069);湖南省研究生科研创新项目(CX2009B038)

摘　　要：提出一种基于梯度下降法的混合进化算法,用于确定径向基函数(RBF)神经网络结构和优化其参数.在进化算法中嵌入梯度下降算子,对每一代中若干个精英个体以一定概率利用梯度下降法进行搜索,以加强算法的局部搜索能力.利用混合进化算法对RBF网络结构和参数同时进行训练和优化,对网络节点数和参数进行混合编码.仿真实验结果表明该RBF网络具有较强的泛化能力.A hybrid evolutionary algorithm based on gradient descends method is proposed to determine the structure of RBF neural network and optimize its parameters. A gradient descend operator is introduced into the evolutionary algorithm. Gradient descend method is carried on search by certain probability for certain elitists of every generation to strengthen the ability of local search. The structure and parameters of RBF network are trained and optimized together by using hybrid evolutionary algorithm. The experimental results show that the RBF neural network has stronger generalization ability.

关 键 词：径向基函数神经网络 进化算法 梯度下降法 非线性时间序列预测 

分 类 号：TP273[自动化与计算机技术—检测技术与自动化装置]