期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于ARIMA与WASDN加权组合的时间序列预测
被引量:
6
1
作者
张雨浓
劳稳超
+2 位作者
丁玮翔
王英
叶成绪
《计算机应用研究》
CSCD
北大核心
2015年第9期2630-2633,2638,共5页
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 determ...
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。
展开更多
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
下载PDF
职称材料
题名
基于ARIMA与WASDN加权组合的时间序列预测
被引量:
6
1
作者
张雨浓
劳稳超
丁玮翔
王英
叶成绪
机构
中山大学信息科学与技术学院
自主系统与网络控制教育部重点实验室
广东顺德中山大学卡内基梅隆大学国际联合研究院
青海师范大学计算机学院
出处
《计算机应用研究》
CSCD
北大核心
2015年第9期2630-2633,2638,共5页
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)
文摘
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
Keywords
ARIMA model
WASD algorithm
power-activation feed-forward neuronet
time series forecasting
weighted combination
分类号
TP391 [自动化与计算机技术—计算机应用技术]
TP181 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于ARIMA与WASDN加权组合的时间序列预测
张雨浓
劳稳超
丁玮翔
王英
叶成绪
《计算机应用研究》
CSCD
北大核心
2015
6
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部