基于人工神经网络的时间序列数据动力学预测
comp-gas
2008-02-03 v1 元胞自动机与格子气
摘要
提出一种融合人工神经网络（ANN）中非线性动力学概念的混合方法，用于建模由复杂动力学系统生成的时间序列。我们引入用于动力学系统研究的经典特征——时间延迟 和嵌入维数 ——用于ANN对时间序列的建模。这些特征为选择ANN输入层神经元数量提供了理论依据。该新方法的主要结果是定义ANN网络结构，进而实现更好的预测。我们通过考虑计算机生成的周期性和混沌时间序列来说明该方法。开发的ANN模型对训练集和测试集以及对该两条时间序列的迭代动力学预测均表现出优异的拟合质量。此外，还通过引入不同程度的高斯噪声对两条时间序列进行计算机实验，以模拟实际情况。我们发现，最多引入一定程度的噪声会导致网络规模减小且具备良好的泛化能力。
引用
@article{arxiv.comp-gas/9707001,
title = {Dynamic Predictions from Time Series Data- An Artificial Neural Network Approach},
author = {D. R. Kulkarni and A. S. Pandya and J. C. Parikh},
journal= {arXiv preprint arXiv:comp-gas/9707001},
year = {2008}
}
备注
31 pages, 18 Figures included. Submitted to Phys. Rev. E