| 基于两阶段优化算法的神经网络预测模型 |
| |
| 作者姓名： | 邹昊飞夏国平 杨方延 |
| |
| 作者单位： | 1. 北京航空航天大学经济管理学院,北京,100083
2. 北京仿真中心,北京,100854 |
| |
| 基金项目： | 国家自然科学基金
,
高等学校博士学科点专项科研项目 |
| |
| 摘 要： | 采用基于两阶段优化算法(multi-stage 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.
|
| 关 键 词： | GMDH MSOA 遗传算法 人工神经网络 |
| 文章编号： | 1007-9807(2006)05-0028-08 |
| 修稿时间： | 2005-03-23 |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《管理科学》浏览原始摘要信息 |
|
点击此处可从《管理科学》下载免费的PDF全文 |
|
