运用混合算法优化的神经网络对混沌时间序列进行预测 (2010年)

提出了一种混合算法优化神经网络的混沌时间序列预侧模型。将粒子群优化算法与模拟退火算法过程中概率突跳的思想相结合形成一种新的混合算法,并用此混合算法优化神经网络建立预侧模型。该模型克服了传统的神经网络收敛慢、易陷入局部最优等不足。利用该模型对Mackev-Glass混沌时间序列和Henon映射进行实验仿真,结果表明,该模型收敛速度快,稳定性能好,预侧精度高。