一种新的基于DFNN的时间序列预测

摘要：

对时间序列预测, 利用自回归移动平均模型(ARIMA)给出了一种新的基于动态模糊神经网络(DFNN)的模型.该模型中主要是考虑了输出误差这个重要因素.将ARIMA模型产生的非线性特征用DFNN模型模拟,能够产生比DFNN和ARIMA单个模型更加精确的模型.因此, 它可以作为一个适当的替代模型来预测任务,特别是当需要更高的预测精度的时候.最后用Mackey-Glass时间序列验证了模型的有效性.

关键词：动态模糊神经网络、累积式自回归移动平均、Mackey-Glass时间序列预测

所属期刊栏目：10

分类号：TP183(自动化基础理论)

在线出版日期：2011-01-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：8055-8060