基于改进差分进化和回声状态网络的时间序列预测研究

摘要

针对回声状态网络无法根据不同的时间序列有效地选择储备池参数的问题,本文提出一种新型预测模型,利用改进的差分进化算法来优化回声状态网络.其中差分进化算法的缩放因子F、交叉概率CR和变异策略自适应调整,以提高算法的寻优性能.为验证本文方法的有效性,对Lorenz时间序列、大连月平均气温-降雨量数据集进行仿真实验.由实验结果可知,本文提出的模型可以提高时间序列的预测精度,且具有良好的泛化能力及实际应用价值.