计算机工程
計算機工程
계산궤공정
COMPUTER ENGINEERING
2013年
10期
208-211,216
,共5页
混沌时间序列%预测%径向基函数神经网络%差分进化算法%相空间重构%非线性系统
混沌時間序列%預測%徑嚮基函數神經網絡%差分進化算法%相空間重構%非線性繫統
혼돈시간서렬%예측%경향기함수신경망락%차분진화산법%상공간중구%비선성계통
chaotic time series%prediction%Radial Basis Function(RBF) neural network%Differential Evolution(DE) algorithm%phase-space reconstruction%nonlinear system
以神经网络和相空间重构相关理论为基础，提出一种基于差分进化(DE)优化径向基函数(RBP)神经网络的改进混沌时间序列预测算法。利用DE的全局搜索能力优化RBF神经网络基函数的中心、宽度以及网络的连接权值，以此获得最优的网络预测模型。将该预测算法应用于3种典型的非线性系统进行有效性验证，并与RBF神经网络预测模型的预测结果进行比较。仿真结果表明，改进算法的泛化能力优于RBF网络，同时可提高网络的预测精度。
以神經網絡和相空間重構相關理論為基礎，提齣一種基于差分進化(DE)優化徑嚮基函數(RBP)神經網絡的改進混沌時間序列預測算法。利用DE的全跼搜索能力優化RBF神經網絡基函數的中心、寬度以及網絡的連接權值，以此穫得最優的網絡預測模型。將該預測算法應用于3種典型的非線性繫統進行有效性驗證，併與RBF神經網絡預測模型的預測結果進行比較。倣真結果錶明，改進算法的汎化能力優于RBF網絡，同時可提高網絡的預測精度。
이신경망락화상공간중구상관이론위기출，제출일충기우차분진화(DE)우화경향기함수(RBP)신경망락적개진혼돈시간서렬예측산법。이용DE적전국수색능력우화RBF신경망락기함수적중심、관도이급망락적련접권치，이차획득최우적망락예측모형。장해예측산법응용우3충전형적비선성계통진행유효성험증，병여RBF신경망락예측모형적예측결과진행비교。방진결과표명，개진산법적범화능력우우RBF망락，동시가제고망락적예측정도。
Based on neural network theory and phase-space reconstruction theory, a prediction algorithm for chaotic time series of optimized Radial Basis Function(RBF) neural based on Differential Evolution(DE) is proposed. In order to get the optimal neural network predictive model, the center, width, and connection weights of RBF neural networks are optimized by the global search ability of DE. The availability of the prediction algorithm is proved by the simulation of three typical nonlinear systems. Compared with the forecasting results of RBF neural network, results show that the improved algorithm has better generalization ability and higher forecasting accuracy.
