经济时间序列的连续参数小波网络预测模型

本文利用连续小波变换方法,给出一种连续参数小波网络。网络参数的学习采用一种类似神经网络的后向传播学习算法的随机梯度算法。另外,提出了一种借助小波分析理论指导网络参数赋初值的方法。进一步,通过对中国进出口贸易额时间序列预测建模的研究和仿真预测,提出了用连续参数小波网络建立经济时间序列预测模型的一般步骤和方法。预测结果表明,此模型具有较好的泛化、学习能力,可以有效地在数值上逼近时间序列难以定量描述的相互关系,所以利用连续参数小波网络建立的时间序列预测模型有较高的预测精度。

小波神经网络逼近多输入单输出非线性系统

小波函数构造的多样性和复杂性决定了小波网络构造的多样性和复杂性。本文以小波分析为基础,将基于连续参数的小波神经网络算法应用于多输入单输出(MISO)非线性系统的逼近研究中,阐述了算法的理论和实现步骤,并以一个多输入单输出非线性系统为例进行了仿真,结果显示此方法有较强的逼近能力。