遗传神经网络在混沌时间序列预测中的应用

摘要

混沌时间序列有着极为丰富和深刻的内涵，而且应用非常广泛。本文研究了混沌时间序列分析理论和方法，将遗传神经网络应用于混沌时间序列预测中，并采用MATLAB实验验证了其有效性。 本文首先介绍了混沌时间序列并简单对比了各种预测模型，说明了遗传神经网络应用于混沌时间序列的优势。随后阐述了人工神经网络技术的发展和神经网络用于非线性预测的现状。接着介绍了神经网络中常用到的BP网络的模型、结构以及算法的改进和遗传算法的基础、应用步骤、实现技术，并简要说明了神经网络工具箱和遗传算法工具箱。讨论了相空间重构中嵌入维数的选取以及Lyapunov指数的估计，并给出了简洁的算法和网络参数设定的一般方法。接着从神经网络和遗传算法的理论入手，考虑到在网络中最初的权值和网络的结构对预测精度的影响最大，采用遗传算法优化神经网络的初始权值，从而避免了神经网络初始权值确定的盲目性，使得预测在更加合理的情况下运行。将遗传神经网络理论引入混沌时间序列预测领域，给出了BP神经网络拟和重构后所得函数关系的具体实现过程，并应用训练后的网络进行预测，经计算机仿真表明该方法是行之有效的，并给出了具体应用实例。实例证明，用遗传神经网络进行短期预测可以提高预测的精度。

目录

文摘

英文文摘

声明

第一章绪论

1.1非线性预测

1.2常用的预测方法

1.2.1时间序列法

1.2.2灰色预测

1.2.3回归分析法

1.2.4组合预测方法

1.2.5人工神经网络方法

1.3神经网络技术的发展

1.4神经网络用于非线性预测的研究现状

1.5本文主要内容与结构

第二章BP网络研究及应用

2.1神经网络概述

2.2 BP网络概述

2.2.1 BP神经元模型

2.2.2 BP网络的网络结构

2.2.3误差反传思想

2.3 BP算法的若干改进

2.3.1动量法

2.3.2学习速率自适应调整

2.4 BP网络应用设计

2.4.1 MATLAB神经网络工具箱中的BP网络

2.4.2 BP网络的设计分析

2.5本章小结

第三章遗传算法研究及应用

3.1遗传算法概述

3.1.1遗传算法的生物学基础

3.1.2遗传算法的特征

3.1.3基本遗传算法

3.2遗传算法应用步骤

3.3遗传算法的实现技术

3.3.1染色体编码方法

3.3.2个体适应度函数

3.3.3遗传算子

3.3.4遗传算法的运行参数

3.4 MATLAB遗传算法工具箱

3.5遗传神经网络

第四章 遗传神经网络应用于混沌时间序列预测的研究

4.1数据预处理

4.1.1数据归一化

4.1.2小波降噪

4.1.3混沌时间序列的预处理

4.1.4筛选训练样本

4.2最佳嵌入维数确定和遗传神经网络的实现

4.2.1最佳嵌入维数的确定

4.2.2网络参数设定

4.3遗传神经网络预测

4.4遗传神经网络用于太阳黑子预测

结论与展望

参考文献

攻读硕士学位期间发表的论文及所取得的研究成果

致谢