基于小波滤波的神经网络变形预测

摘要

运用小波滤波的的优越性,消除数据噪声,使数据更加的接近真实的数据和更具规律性,有利于我们对数据发展趋势的预测.对消噪后的数据,利用BP神经网络强大的学习能力建立预测网络.在建立网络时,输入样本为监测k时段序列k和第k-1时段变形量与再k-2时段变形量之差组成的二维向量,目标样本为小波滤波后的变形量.并与GM(1,1)模型和回归模型进行了对比.