23497.自組織神經(jīng)網(wǎng)絡(luò)及其混合模型在時間序列預(yù)測上的應(yīng)用

1、中圖分類號UDCO5196碩士學位論文學校代碼!魚墨呈呈密級公玨自組織神經(jīng)網(wǎng)絡(luò)及其混合模型在時間序列預(yù)測上的應(yīng)用ApplicationofPredictionofTimeSerieswithSelforganizingNeuralNetworksandTheirHybridModels作者姓名：學科專業(yè)：研究方向：學院(系、所)：指導教師：論文答辯日期!t4StI牛呂前沖計算數(shù)學神經(jīng)網(wǎng)絡(luò)數(shù)學與統(tǒng)計學院侯木舟教授答辯委員會主席!塹鞍中南大

2、學二零一四年五月碩士學位論文摘要自組織神經(jīng)網(wǎng)絡(luò)及其混合模型在時間序列預(yù)測上的應(yīng)用摘要：本文介紹了時間序列的基本概念以及主要特征，并通過神經(jīng)網(wǎng)絡(luò)及其混合模型來對時間序列進行分析和預(yù)測。首先通過時間序列的歷史數(shù)據(jù)訓練神經(jīng)網(wǎng)絡(luò)并通過神經(jīng)網(wǎng)絡(luò)描述時間序列的規(guī)律及發(fā)展趨勢；然后利用以發(fā)現(xiàn)的規(guī)律對新的數(shù)據(jù)的表現(xiàn)作出預(yù)測并與其真實值進行比較。文章首先對神經(jīng)網(wǎng)絡(luò)模型中比較常用的BP神經(jīng)網(wǎng)絡(luò)和自組織神經(jīng)網(wǎng)絡(luò)進行了綜述。然后參考李嵩松的文章，在自組織神經(jīng)網(wǎng)

3、絡(luò)的基礎(chǔ)上建立了新的自組織差值理論模型，并對分類個數(shù)和差值的權(quán)重進行了改進，通過比較找出一個較好的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。將自組織神經(jīng)網(wǎng)絡(luò)和BP神經(jīng)網(wǎng)絡(luò)結(jié)合，通過比較不同分類個數(shù)和隱藏層的預(yù)測誤差找出較好的模型。參考LampinenJ和OjaE的文章將自組織神經(jīng)網(wǎng)絡(luò)與自回歸模型相結(jié)合，并改進了神經(jīng)網(wǎng)絡(luò)的權(quán)值初始化以及學習率，通過比較不同的分類個數(shù)找到一個誤差較小的模型。文章中選擇了BP神經(jīng)網(wǎng)絡(luò)作為對比模型來評價新的模型的效果。研究的時間序列模型是

4、Mackey—Glass時間序列模型和股票指數(shù)時間序列模型。所有的模擬、預(yù)測以及比較是在Matlab工具上進行的。在對MackeyGlass時間序列預(yù)測時BP神經(jīng)網(wǎng)絡(luò)的最小誤差為O0010，自組織差值模型的最小誤差03691，自組織自回歸神經(jīng)網(wǎng)絡(luò)的最小誤差0。0008，SOMBP神經(jīng)網(wǎng)絡(luò)最小誤差是00081。在對股票指數(shù)時間序列預(yù)測時，上述模型的誤差分別為00174、00081、00135和00381。比較結(jié)果顯示在Mackey—Gla