非线性时间序列预测的bp神经网络方法及应用

《非线性时间序列预测的bp神经网络方法及应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、五邑人学学报(自然科学版):1006一一一06JOURNALOFWUYIUNIVERSITY文章编号7302(1999)040031..:第13卷第4期Vol13No41999文献标识码A非线性时间序列预测的Bp神经网络方法及应用胡旭川‘,吴今培‘,陈世权‘,刘永清,.,520920:(1五邑大学智能技术与系统研究所东江门华南理工人学自动控制工程系‘j’东’‘510641J州),:摘要针对在非线性时间序列的BP神经网络建模预测的基本方法中存在的建模速度慢,计算较复杂等问题,提出一种改进的BP神经网络

2、动态建模与预测方法,并运用该方法对一非线性时间序列进行了仿真,仿真结果表明此方法的实际应用效果较好。关键词:非线性时间序列;BP神经网络;建模;预测中图分类号:TP183引言现代科学发展面临的一个基本问题是对非线性动态复杂系统的探索,复杂系统的多层次性、互关联性以及非叠加性使系统具有非线性的特点。在实际的经济与工程系统中,总是或多或少含有非线性因素。,,时间序列的分析建模的传统方法是采用线性模型这己经有了比较成熟的理论与方法在实际中也取得了较好的效果川。但面对大量的非线性问题,传统建模方法就显示出一

3、定的局限,。,。:性常常得不到满意的结果因此应采用非线性模型常用的非线性时序模型有门限自回reve、xutoreressveoe、归模型(ThresholdAutogressiModel)指数自回归模型(EPonentialAgiMdl)。,双线性模型(Bi!inerModel)等选用何种模型需要对时序数据的背景特点有相当的了解后才作出决定。另一类非线性模型是采用非线性的迭代、学习模式,如以人工神经网络方法来拟。12!合较为复杂的时序数据,人工神经网络建模方法是一种有效的预测分析方法这种方法利用神经

4、网络的自学习能力和泛化能力,简化时序的建模过程,并能取得较好的预测效果。这对于难以建立显示数学模型的系统,具有很大的优越性。,本文介绍利用BP神经网络进行时序建模与预测的方法并提出一改进的动态建模与预测方法,最后给出一个仿真实例。一一收稿日期:19981231,,,,。作者简介:胡旭月}(1972一)女安徽合肥人硕十生从事模糊控制研究五邑人学学报(自然科学版)1999年2Bp神经网络建模与预测的基本方法x,=(x!,xZ,,x,,若记⋯)是对某一研究对象一段时间的观测值则对该时间序列可以用下述模,:

5、X,=一,一。,,,n。。型来描述f(xl小xl2一xl)其中f表示参数拟合函数为该模型的阶次任何时,间序列都可以看作是一个由非线性机制确定的输人输出系统时间序列的建模即是。一o一个非线性参数拟合过程1989年RobertHochtNilson证明了对于在闭区间内的任何一个连,续函数都可以用含一个隐层的BP网络来近似因而采用神经网络方法来实现非线性时间序列。,、的建模与预测在理论上是可行的典型的BP网络为三层前馈网络包括输人层隐层与输出层。利用BP神经网络进行时间序列建模与预测的基本步骤主要分为三步

6、:,:l)确定输人层的维数首先把时间序列分成两部分第一部分大致为另一部分的两倍大,,,小开始窗口的大小可以任意选择即输人神经元的数目可任定一初始值用前一部分来训练,,。,网络所得的网络用来预测第二部分计算出预测误差从小到大改变窗口直至随着窗口尺,,。寸的递增预测精度不再有显著提高为止此时的窗口尺寸即为输人层的维数,,2:)训练网络将全部序列作为训练样本对该网络进行训练得到该时间序列的神经网络预测模型。。3)预测:利用所得到的模型进行预测,运用Bp神经网络进行时间序列建模与预测在实际应用中面临的主要问

7、题首先是BP网。,I’IBP络的学习效率问题由于算法采用梯度下降法来调整连接权值不可避免地会出现网络,,,学习速度较慢容易陷人局部极小或进人平坦区从而导致无法收敛;同时BP网络就其本,,,,质而言只是一非线性映射系统而不是非线性动力学系统不具备动态适应能力对于实时,,。性要求高的系统难以满足;此外为了得到满意的预测精度对样本数据的准确性要求较高,,,:其次从上述建模步骤可以看出影响建模速度的因素主要有l)在定阶时利用多组样本进行训练、预测、比较预测精度,进而得出网络输人层单元的数目,这势必要耗费大量

8、的,,,,时间;2)采用所有的样本进行训练然后进行预测样本数量的增加容易导致计算量的膨胀,,,特别是新增加一个样本时必须将所有以前的样本加入重新训练这不仅会使训练时间延长,,。而且由于BP网络所容纳的信息是有限的容易引起网络无法收敛,。,针对这些问题下面提出一种动态建模与预测方法现以一步预测来介绍这种方法多步预测方法可以类推。2」BP算法,,,,,,,x,i=l,2⋯NNn。为一,设为一数据序列为数据样本个数为系统阶次现在要用,,,,,一2一。xlxl一2,一。:,x