河南科学
河南科學
하남과학
HENAN SCIENCE
2013年
8期
1197-1201
,共5页
混沌时间序列%BP神经网络%遗传算法%粒子群算法
混沌時間序列%BP神經網絡%遺傳算法%粒子群算法
혼돈시간서렬%BP신경망락%유전산법%입자군산법
chaotic time series%BP neural network%genetic algorithm%PSO
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。
針對BP神經網絡預測混沌時間序列存在的易陷入跼部極小值和收斂速度較慢的問題，選取瞭兩種改進預測模型，即GA-BP預測模型和PSO-BP預測模型。併將這兩種模型對Lorenz混沌時間序列進行瞭預測比較實驗。實驗錶明，兩種改進模型比BP神經網絡預測模型具有更好的預測性能，併且PSO-BP預測模型較GA-BP預測模型的預測精度更高。
침대BP신경망락예측혼돈시간서렬존재적역함입국부겁소치화수렴속도교만적문제，선취료량충개진예측모형，즉GA-BP예측모형화PSO-BP예측모형。병장저량충모형대Lorenz혼돈시간서렬진행료예측비교실험。실험표명，량충개진모형비BP신경망락예측모형구유경호적예측성능，병차PSO-BP예측모형교GA-BP예측모형적예측정도경고。
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.
