共查询到20条相似文献,搜索用时 0 毫秒
1.
基于小波神经网络的混沌时间序列预测 总被引:1,自引:0,他引:1
本文提出了一种用小波神经网络进行混沌时间序列预测的方法,并介绍了小波神经网络的基本构造和学习算法。在此基础上,通过由Logistic方程产生的混沌时间序列对该网络进行模拟实验,证明了该神经网络具有较好的预测效果。 相似文献
2.
本文提出了一种用小波神经网络进行混沌时间序列预测的方法,并介绍了小波神经网络的基本构造和学习算法。在此基础上,通过由Logistic方程产生的混沌时间序列对该神经网络进行模拟实验,证明了该神经网络具有较好的预测效果。 相似文献
3.
4.
5.
基于神经网络的时间序列预测方法进展 总被引:10,自引:0,他引:10
首先对神经网络应用于时间序列预测的方法进行了详细的介绍。在此基础上与传统的预测方法进行了比较,接着概括分析了几种不同的神经和于预测的结果。指出由于神经网络独特的信息处理能力,使得它为一类高度非线性动态关系的时间序列预测提供了一条有效途径。最后,对神经网络在时间序列预测领域的进一下邮 相似文献
6.
介绍了相空间重构和基于支持向量机的时间序列预测建模技术,提出了基于小波和支持向量机的复杂时间序列预测方法,利用小波对复杂时间序列进行多尺度分解,对重构后的近似序列和细节序列分别利用支持向量机进行回归预测并将结果融合。对股票数据进行预测,试验结果表明该方法预测精度高于单尺度支持向量机和神经网络预测方法,可用于复杂非平稳时间序列的预测。 相似文献
7.
《计算机测量与控制》2014,(4)
针对基于推理系统的控制参数在线整定方法性能提升问题,提出了一种基于专家规则表推理增量的控制参数在线整定方法(Expert Adjust PID,EA-PID)和一种基于模糊推理增量的控制参数在线整定方法 (Fuzzy Adjust PID,FA-PID);研究通过将专家规则表和模糊推理机直接推理控制参数的方法改为推理修正量的方法,并采用计算机仿真的手段对EA-PID、FA-PID以及现有的专家规则表直接推理控制参数方法 (Expert PID,E-PID)、模糊推理机直接推理控制参数方法 (Fuzzy PID,F-PID)进行对比分析,通过调整专家规则表量值和模糊隶属度函数参数,验证了新方法的可行性、可靠性和新方法在动态性能、稳态性能、抗扰性能及平稳性方面的提升。 相似文献
8.
9.
10.
基于小波神经网络的时间序列流数据的研究 总被引:3,自引:0,他引:3
利用多分辨分析方法,结合小波分析和神经网络思想构建一种新型的神经网络模型——小波神经网络,解决了传统神经网络中隐层节点数难以确定的问题。通过对股票的预测,说明该方法能有效地提高预测精度,避免了人工神经网络模型的固有缺陷。 相似文献
11.
利用多分辨分析方法,结合小波分析和神经网络思想构建一种新型的神经网络模型———小波神经网络,解决了传统神经网络中隐层节点数难以确定的问题。通过对股票的预测,说明该方法能有效地提高预测精度,避免了人工神经网络模型的固有缺陷。 相似文献
12.
在船舶缆绳载荷准确预测的研究中,由于船舶缆绳载荷不仅受到风、流、浪等环境因素的影响,还受到船舶的船型、受风面积、吃水大小等因素的共同影响,因此具有较强的随机性和复杂性,是一种非平稳的时间序列,传统的神经网络预测模型在进行负荷预测过程中,无法处理这种非平稳信号导致很难进行准确测量.提出一种基于小波神经网络的船舶缆绳载荷预测方法,算法结合小波分析的时频局部特性与聚焦特性和神经网络的自学习、自适应和推广能力,将小波基函数作为神经网络的隐含层节点的传递函数,建立小波神经网络预测模型,以船舶缆绳的采集数据作为模型的输入与输出,利用小波函数处理非平稳信号的能量,解决缆绳负荷的非线性问题,凭借神经网络小区域计算能力,对预测结果进行进一步优化.仿真结果表明,小波神经网络用于船舶缆绳载荷数据处理,精度满足要求,具有良好的适用性. 相似文献
13.
基于神经网络的混沌时间序列短期预测 总被引:3,自引:0,他引:3
将神经网络理论、预测理论等引入混沌领域,采用了一种基于BP网络的预测方法,给出了该方法中神经网络的具体实现过程,经计算机仿真表明该方法是行之有效的,并给出了具体应用事例。 相似文献
14.
张扬武 《数字社区&智能家居》2009,5(1):208-209
股票市场是反映了经济运行的睛雨表,是市场经济融资的重要手段,对股票市场进行合理预测对金融市场的建设具有重要意义。时间序列预测方法体现了股价运行的长期趋势,股价短期技术调整是非线性关系,可以用神经网络分析。两者相结合的预测方法既考虑了长期行为又考虑了短期的资金行为,预测结果也更为准确。 相似文献
15.
16.
基于BP神经网络整定的PID控制 总被引:8,自引:1,他引:7
传统PID控制在控制系统中有广泛的应用,但是由于其在参数整定过程中对于对象模型过分依赖,并且参数一旦整定计算好后,在整个控制过程中都是固定不变的,而在实际系统中,由于系统状态和参数等发生变化时,过程中会出现状态和参数的不确定性,系统很难达到最佳的控制效果.为了改善传统PID控制的效果,又充分利用现有PID控制的研究成果,采用BP神经网络对PID参数进行整定,并对该系统进行了仿真分析.仿真结果表明,采用BP神经网络整定的PID控制较传统PID算法及BP网络算法都有较大程度的提高. 相似文献
17.
18.
19.