作者:马千里 ,郑启伦 ,彭宏I,钟谭卫
(1.华南理工大学计算机科学与工程学院,广东广州510640;
2.华南农业大学理学院,广东广州510640)
([email=mq1206@tom]mq1206@tom[/email].com)
摘要:提出了一种动态递归神经网络模型进行混沌时间序列预测,以最佳延迟时间为间隔的最
小嵌入维数作为递归神经网络的输入维数,并按预测相点步进动态递归的生成训练数据,利用混沌特
性处理样本及优化网络结构,用递归神经网络映射混沌相空间相点演化的非线性关系,提高了预测精
度和稳定性。将该模型应用于I~renz系统数据仿真以及沪市股票综合指数预测,其结果与已有网络
模型预测的结果相比较,精度有很大提高。因此,证明了该预测模型在实际混沌时间序列预测领域的
有效性和实用性。