期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于构造性神经网络的时间序列混合预测模型 被引量:2
1
作者 杨雪洁 赵姝 张燕平 《计算机应用研究》 CSCD 北大核心 2008年第10期2920-2921,2931,共3页
针对传统时间序列预测模型不适应非线性预测而适应非线性预测的BP算法存在收敛速度慢,且容易陷入局部极小等问题,提出一种基于构造性神经网络的时间序列混合预测模型。采用构造性神经网络模型(覆盖算法)得出的类别值对统计时间序列模型... 针对传统时间序列预测模型不适应非线性预测而适应非线性预测的BP算法存在收敛速度慢,且容易陷入局部极小等问题,提出一种基于构造性神经网络的时间序列混合预测模型。采用构造性神经网络模型(覆盖算法)得出的类别值对统计时间序列模型的预测值进行修正,建立一种同时考虑时间序列自身周期变化和外生变量因子对时间序列未来变化趋势影响的混合预测模型,涵盖了实际问题的线性和非线性两方面,提高了预测精度。将该模型应用到粮食产量的预测中,取得了较好的预测效果。 展开更多
关键词 时间序列预测 构造性神经网络 统计时间序列模型 产量预测
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部