基于两阶段优化算法的神经网络预测模型

被引：11

作者：

邹昊飞 ^{[1
]}

夏国平 ^{[1
]}

杨方廷 ^{[2
]}

机构：

[1] 北京航空航天大学经济管理学院

[2] 北京仿真中心

来源：

管理科学学报 | 2006年 / 05期

关键词：

GMDH; MSOA; 遗传算法; 人工神经网络;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

采用基于两阶段优化算法（multistage optimization approach,MSOA）的GA人工神经网络,将训练集分为两部分,在前一训练集训练后获得的网络基础上使用后一训练集进行进一步的训练获得更为优化的网络结构.针对复杂系统建模输入节点难以确定的问题,提出将其与自组织数据挖掘算法相结合,利用GMDH算法获得神经网络的初始化节点,使用训练好的神经网络模型进行预测.将由此建立的预测模型应用于粮食价格的预测,并进一步探讨了MSOA算法的收敛性问题.结果表明基于GMDH和MSOA的神经网络组合预测模型能较大提高神经网络的全局收敛能力和收敛速度,提高预测精度.

引用

页码：28 / 35

页数：8

共 12 条

[1] 非线性协整建模研究及沪深股市实证分析 [J].