文献类型：期刊文章

作　　者：张雨浓[1,2,3] 劳稳超[1,2,3] 丁玮翔[1,2,3] 王英[1,2,3] 叶成绪[1,2,3,4]

机构地区：[1]中山大学信息科学与技术学院,广州510006 [2]自主系统与网络控制教育部重点实验室,广州510640 [3]广东顺德中山大学卡内基梅隆大学国际联合研究院,广东顺德528300 [4]青海师范大学计算机学院,西宁810008

出　　处：《计算机应用研究》

基　　金：国家社会科学基金资助项目(13BXW037);自主系统与网络控制教育部重点实验室开放基金资助项目(2013A07)

年　　份：2015

卷　　号：32

期　　号：9

起止页码：2630-2633

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CSA-PROQEUST、CSCD、CSCD_E2015_2016、IC、INSPEC、JST、RCCSE、UPD、ZGKJHX、ZMATH、核心刊

摘　　要：为了提高时间序列预测方法的预测精度以及增强其适用性,提出一种ARIMA-WASDN加权组合方法。该方法同时使用差分自回归移动平均(autoregressive integrated moving average,ARIMA)模型与配备权值及结构确定(weights and structure determination,WASD)算法的幂激励前向神经网络(WASDN)对时间序列进行建模、测试以及预测。根据测试结果,将ARIMA与WASDN进行加权组合。数值实验结果显示,所提出的ARIMA-WASDN加权组合方法的预测精度高于ARIMA或WASDN单独使用时的预测精度,验证了该方法在时间序列预测方面的有效性和优越性。

关 键 词：差分自回归移动平均模型  权值与结构确定算法  幂激励前向神经网络  时间序列预测 加权组合  

分 类 号：TP391] TP181[计算机类]