基于BP神经网络的自适应模糊半参数时间序列模型

作     者：聂景春 陆秋君 

作者机构：上海理工大学理学院上海 

出 版 物：《建模与仿真》 (Modeling and Simulation)

年 卷 期：2024年第13卷第2期

页      面：1295-1303页

学科分类：08[工学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主　　题：模糊时间序列 自适应模糊回归 BP神经网络 模糊半参数时间序列模型 

摘      要：本文介绍了一种自适应模糊半参数时间序列模型,该模型将半参数技术与反向传播神经网络(BPNN)相结合,形成具有LR-型模糊数据的自适应模糊时间序列模型。首先,提出了基于非参数核、加权最小二乘和交叉验证的混合方法,该方法可以同时估计回归参数和光滑函数以及带宽的最优值;其次,基于非线性残差序列建立BP神经网络,通过神经网络的运算得到新的偏差,使得在不确定条件下获得更丰富的信息,提高了预测精度。本文采用一些常见的拟合优度准则来检验所提出的自适应模糊半参数时间序列模型的性能。通过一个模拟仿真的例子,说明了该方法的有效性。最后,对所得结果的统计分析表明,该模型对模糊时间序列数据的预测具有可靠性和有效性,优于其他模糊时间序列预测模型。