10.3969/j.issn.1000-386x.2013.08.024
基于QPSO-FNN的混沌时间序列预测
提出一种太阳黑子月均数混沌时序的模糊神经网络预测方法.该方法根据时间序列的延迟因子和饱和嵌入维数重构相空间,利用Lyapunov指数法判别时序系统的混沌特性,采用混合pi-sigma模糊神经推理方法拟合混沌吸引子特性.其中混合pi-sigma模糊神经网络以高斯基函数作为模糊子集的隶属度函数,在线动态调整隶属度函数和结论参数,并采用量子粒子群算法(QPSO)优化网络初始参数,提高预测准确度.该模型具有物理意义清晰、预测精度高以及预测结果确定等优点,仿真实验结果证明了该方法的有效性.
混沌时间序列、太阳黑子、混合pi-sigma、模糊神经网络、QPSO-FNN、预测
30
TP301(计算技术、计算机技术)
国家安全生产监督管理总局安全生产科技发展指导性计划项目06-472;河北省教育厅科学研究基金项目Z2006439
2013-09-16(万方平台首次上网日期,不代表论文的发表时间)
共5页
91-94,98