本文關鍵詞：遺傳算法優(yōu)化BP神經網絡的混沌時間序列預測，由筆耕文化傳播整理發(fā)布。

5 2

2 1,7 2 ) 0 14 (9

C m ue E gneiga d p l ain計算機工程與應用 o p t n i r A pi t s r e n n c o

遺傳算法優(yōu)化 B P神經網絡的混沌時間序列預測 李松， 勇，羅張銘銳 L o g L I S n, UO n, HANG i g u Yo g Z M n ri

河北大學管理學院，河北保定 010 702 S h o f Ma a e n, b iUnv ri Ba dn He e 7 0 2, ia c o lo n g me tHe e ie st y, 0 ig, b i0 1 0 Chn

LI S n LUO n ZH ANG i g u . r d c o ￣h d f r c a tc tm e e i s f o i z d BP n u a e wo k b s d o g, Yo g, M n r i e it n m P i o o h o i s re o pt i mi e e r l n t r a e

o e e c ag r h C mp t r E gn e ig a d A p c f n, 0 1 4 ( 9: 25 . n g n t lo i m. o u e n i e r n p f a o s 2 1。7 2 ) 5 - 5 i t n i i Ab t a t I r e o i r v o e a t g mo e r cso f BP n u a ewo k f r c a t me s r s a m￣ v d p e it n s r c: n o d r t mp o e f r c si d l p e ii n o e r l n t r o h o i t e i . l i n ci e l e r dc o i mo h o h o c t e i s f o t z d BP n u a e o k b s d o d fe e e c ag r h i r s n e .1 dfe to fr c a t i d i me s r o p mi e e l n t r a e n mo i d g n t o i m s p e e t d1 l mo i d e i r w l i l t e i g n t ag rtm i u e o p i z t e e e c lo h i i s s d t o t i m e h weg t a d h e h l s f BP e a n t r a d h n i h s n t r s o d o n u l ewo k. n t e BP e r l ewo k s r n u a n t r i

t ie o sac o e o t l ou inn l v i bl fti rdcin r n d t

e rh f r t pi slt . e al it o hs pe it me o s po e y p e it g c a t i eis a h ma o a a i y o h t d i r v d b rdci h o c t n i me s e r o e e a t p c l o l e r s se . mp r d f s v r l y ia n n i a y tmsCo a e wi t e o e a t g e u招 o e r l n t o k. h o u e i u a o s n t h f r c s n r s l h i f BP n u a e w r t e c mp tr s m lt n i h v h wn t a e n n i e r ft n n r cso f t i p e ito a e s o t t o l a t g a d p e ii n o s r d ci n mo e r e e a h s f BP p e i t n mo e . h h n i i h d lae b t rt n t oe O rdc o d 1 h i

Ke rs ho h oy pe i o; ak Po a a o ( P erln t ok g nt lo t y wod:ca ster;rdc n B c rpg t n B )n ua e r;ee c a rh i t i w i g i m

摘要：高B神經網絡預測模型對混沌時間序列的預測精度，為提 P將改進的遺傳算法和 B神經網絡結合，出了一種基于改進 P提遺傳算法優(yōu)化 B神經網的混沌時間序列預測方法。利用改進的遺傳算法優(yōu)化 B神經網絡的權值和閾值，練B神經網絡預 P絡 P訓 P測模型求得最優(yōu)解。將該模型應用到幾個典型的非線性系統(tǒng)進行預測仿真，了該算法的有效性，， B神經網絡預測模型的預驗證與 P測結果進行了比較，仿真結果表明該方法對混沌時間序列具有更好的非線性擬合能力和更高的預測精度。 關鍵詞：混沌理論；預測；向傳播 (P神經網絡；反 B)遺傳算法 DO 03 7/i n10 .3 1 0 1 90 5文章編號：0 283 (0 12 .020 文獻標識碼： 中圖分類號： P 8 h1 . 8 .s.0 283 . 1 . .1 7 js 2 2 1 0 .3 l2 1) 90 5 .4 A T 13

混沌現象廣泛存在于自然系統(tǒng)和社會系統(tǒng)之中，它是介于確定和隨機之間的一種不規(guī)則運動，是一種由確定的非線 I動生力學系統(tǒng)生成的復雜行為。混沌系統(tǒng)最本質的特征是系統(tǒng)對

初始條件的極端敏感性�；煦缭谠S多實際系統(tǒng)中已經得到較為廣泛的應用，如生物醫(yī)學、電力、交通、通訊、社會經濟、、聲學 化學等等。盡管混沌現象是一種不規(guī)則現象，但它源于確定性系統(tǒng)，以在短期范圍內是可預測的，對初值的敏感性又所而決定了它的長期是不可預測性的。隨著混沌理論和應用技術的不斷發(fā)展，混沌系統(tǒng)的建模、測和控制成為當代混沌領域預

遺傳算法 ( eecAgrh G是一種全局搜索算法， G nt l im,A) i ot 把 B神經網絡和遺傳算法有機融合， P利用遺傳算法來彌補 B P

神經網絡連接權值和閾值選擇上的隨機性缺陷，不僅能發(fā)揮 B神經網絡泛化的映射能力，且使 B神經網絡具有很快的 P而 P收斂性以及較強的學習能力�；�于此，文從非線性混沌時本間序列角度出發(fā)，出了—種改進遺傳算法優(yōu)化 B神經網絡的提 P

預測模型，降低了陷入局部極小的風險并能夠使B網絡取得很 P

高的收斂精度。該模型首先根據混沌時間序歹蒔輸出參數個！入悖婁兔 P 定B神經網石 h引結構，舌巴 r白盤 :對 B神 鐫用蘊夠幣弊i j去 P隔適應度值對立個體，最后研究的熱點。迄今為止，國內外學者對混沌預測理論已經做經網絡的權值和閾值進行優(yōu)化撥圈用改進的遺傳算法得到的最優(yōu)個體對 B神經網絡初始權值 P了很多研究，了一些有價值的成果，立了多種混沌時間取得建訓練 B神經網絡預測模型得到預測最優(yōu)解。以 P序列預測模型，局域線性模型“ V lra濾波器自適應預測和閾值賦值，如 ot r、 e 模型啪 R F、 B神經網絡模型 B神經網絡模型最大L au o、P、 ypnv 3種完全不同典型的非線性系統(tǒng) ( o i i、 e o、 oez采用 L gsc H n n L rn ) t

指數模型 以及一些組合預測模型等。在這些預測模型中， B神經網絡模型是比較成功的預測模型。B神經網絡通過 P P

該模型進行了建模和預測分析，果表明該方法對混沌時間結序列具有更好的非線性擬合能力和更高的預測精度。

具有簡單處理能力的神經元的復合作用使網絡具有復雜的非線性映射能力嗍但該模型兩個明顯的缺點：,一是容易于陷入局部極小值；二是收斂速度慢。避免上述問題的一種方法是采用遺傳算法，建立遺傳算法優(yōu)

化的 B神經網絡預測模型。 P

l相空間重構 相空間重構理論是混沌時間序列預測的基礎，akr￣ Pca t d等

人和 Tknt出了用延遲坐標法對混沌時間序列 aesⅧ提

基金項目：自然科學基金 ( eNaoa N t a Si c Fudtn o hn drGat o 0708;省高等學校人文社會科學研國家 t tnl a r c ne onao fC i u e rn N . 488 )河北 h i ul e i an 5 究重點項目( o K D 010 ) N . Z 2116。 S 作者簡介： (95 )男，李松 16一，博士，授，教研究方向：工程理論與應用，系統(tǒng)混沌預測理論，交通系統(tǒng)工程。Em i l s42 ia ol -a: e 3@s .n le 3 nc 收稿日：0 00—3修回日期：0 0 82期 2 1.51; 2 1. .3 0

  本文關鍵詞：遺傳算法優(yōu)化BP神經網絡的混沌時間序列預測，由筆耕文化傳播整理發(fā)布。