基于改进BP神经网络的混沌时间序列预测方法对比  

The Chaotic Time Series Prediction Comparison Based on Improved BP Neural Network Methods

作　　者：温文[1] 龚祝平[1] 

机构地区：[1]华南理工大学工商管理学院,广州510641

出　　处：《河南科学》2013年第8期1197-1201,共5页Henan Science

基　　金：国家自然科学基金资助项目(50675069;71271089);广东省哲学社会科学"十二五"规划项目(GD12CGL16)

摘　　要：针对BP神经网络预测混沌时间序列存在的易陷入局部极小值和收敛速度较慢的问题,选取了两种改进预测模型,即GA-BP预测模型和PSO-BP预测模型.并将这两种模型对Lorenz混沌时间序列进行了预测比较实验.实验表明,两种改进模型比BP神经网络预测模型具有更好的预测性能,并且PSO-BP预测模型较GA-BP预测模型的预测精度更高.Based on the problem that BP neural network prediction of chaotic time series is easy to fall into local minimum and slow convergence speed, we chose two kinds of improved prediction model, namely the GA-BP prediction model and PSO-BP prediction model. Experimental results show that two kinds of improved model has better prediction performance than the BP neural network prediction model, and the accuracy of PSO-BP prediction model is better than GA-BP model.

关 键 词：混沌时间序列 BP神经网络 遗传算法 粒子群算法 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]