基于神经网络理论的线性时间序列预测研究-基础数学专业论文.docxVIP

西南交通大学硕士研究生学位论文 西南交通大学硕士研究生学位论文 第1页 摘 要 前向型神经网络理论已被证明是解决非线性问题的重要的、行 之有效的理论方法。神经网络与时间序列分析相结合，形成一种新 的非线性时间序列建模及预测的方法。基于前向型神经网络理论的 时间序列分析跳出了传统的建立主观模型的局限，通过时间序列的 内在规律作出分析与预测。本文探讨神经网络用于线性时间序列建 模的能力，即用模拟数据与真实数据讨论神经网络结构中的样本数、 输入节点数、隐藏节点数对经典线性时间序列预测误差的影响，并 将其与传统的时间序列预测方法进行比较。研究结果表明，神经网 络结构能够胜任线性时间序列的建模工作，特别当系统带有噪音时， 神经网络方法比传统的时间序列预测方法的效果好。根据简单原则， 通常选择简单的神经网络结构就足以很好的建模和预测线性时间序 列。 本文主要探讨基于神经网络理论的线性时间序列预测的研究。 首先，介绍时间序列的～些统计性质、常用的经典时间序列分析预 测的统计方法和传统的解决某些特定问题的非线性时间序列预测方 法；其次，简单描述神经网络的结构、理论以及数学算法并将神经 网络和时间序列相结合，给出一个有关此法的实际应用：最后，设 计模拟实验，探讨有关神经网络的线性时间序列预测方面的问题， 得出结论。 通过模拟实验得出神经网络结构能够胜任处理带有噪音的线性 时间序列，那么我们就不再需要判断一组时间序列是否线性，神经 网络理论就有更广阔的应用前景。 关键词： 神经网络时间序列预测ARMA模型 西南交通大学硕士研究生学位论文 西南交通大学硕士研究生学位论文 第1I页 ABSTRAOT Feedforward neural networks theory has been Proved to be an important and useful theory algorithm．The natural tightly connection between neural networks and time series forms into a new subj ective model and Prediction．Time scries analysiS based on neural networks theory cross through traditional fi’ame of subjective model draw out prediction on the inner rules of 1inear time setjes data．In thjs artiCle． We examine the capability 0f neural networks for 1inear time—series forecasting．Using both simulated and real data，the effects Of neural network factors such as the number of input nodeS and the number Of hidden nodes as well as the training sample size are investigated． Results show that neural networks are quite competent in modeling and forecasting linear time Series in a variety Of situations and neural networks are better than the traditional forecasting models for 1inear data With noise when the“near systern with noise．according to the principle of simple，simple neural networks are often effective in modeling and forecasting linear time series． The purpose of this paper is to investigate the effectiveness of neural networks for linear time-series analysi s and forecasting．First，a variety of methods of describing and predicting time series are