GM(1,1)残差修正的季节性神经网络预测模型及其应用

摘要：

季节性时间序列具有增长性和波动性的二重趋势.灰色模型GM(1,1)能反映时间序列的总体变化趋势,但不能很好反映其季节性波动变化的具体特征,在模拟与预测季节性时间序列中有明显的局限性.文中介绍了季节性神经网络建立的残差修正模型.通过季节性神经网络模型对GM(1,1)的残差序列进行分析,提取其中的非线性成分作为预测时的补偿项,以进行残差修正,从而形成GMSANN叠合预测模型.实例表明,所建模型具有较好的适应性和预测精度.

关键词：季节性时间序列 GM(1,1)模型 残差修正 季节性神经网络

所属期刊栏目：41

分类号：TP183(自动化基础理论)

在线出版日期：2005-04-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：194-196