排序方式: 共有2条查询结果,搜索用时 93 毫秒
1
1.
神经网络与预测方法研究 总被引:9,自引:0,他引:9
1 引言在科学技术和社会高速发展的今天,愈来愈多的问题,具有系统的复杂性、时变性和模糊性的特点,这就使得利用传统的预测方法解决这类问题十分困难。1987年,Lapedes和Farber首先应用神经网络进行预测,开创了神经网络预测方法的历史。目前,在范围广泛的商贸信息交流中,神经网络技术可以解决用传统方法不能解决的问题。例如Varfis和Versino运用神经网络解决经济时间序列预测问题,White利用神经网络进行IBM公司每日库存占用资金率的预测,都得到了很好的效果,节约了大量的资金。人们 相似文献
2.
基于神经网络的多维时间序列预测预报方法 总被引:5,自引:0,他引:5
1 引言时间序列就是一列随时间变化的数,它是对客观事物的一种描述,属于时域分析的范畴。我们研究时间序列的目的,就是要对时间序列建立一个参数模型,用于描述事物发展的变化规律。定义1:时间序列{x(t)}是一个t∈Z的实值向量随机变量,其中Z表示整数集。在定义1中,如果x(t)∈R~1,那么{x(t)}就是一维时间序列,所建立的模型称为一维时间序列模型;如果x(t)∈R~(?),那么{x(t)}就是r维时间序列,所建立的模型称为r维时间序列模型。 Box和Jenknis首先成功地建立了一维时间序列模型。近年来Tong也在这方面做了许多很有影响的工作。通过许多人的努力,使得一维时间序列模型,如ARMA模型等都能较好地应用于实际预测工作。一个一维序列{x(t)}的(p,q)阶ARMA模型 相似文献
1