结合高斯噪声的回声状态网络模型及其时间序列预测性能

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘要： 为了模拟回声状态网络模型在时间序列预测实例中的影响因素，在回声状态网络模型的储备池层引入高斯噪声，构建结合高斯噪声的回声状态网络模型；利用公式推导分析所提模型的非线性性质； 采用股票序列数据与Logistic混沌序列数据进行实验验证和对比分析。结果表明，本文所提模型的预测效果优于回声状态网络模型、 压缩感知回声状态网络模型和反向传播神经网络模型，股票收盘价预测、Logistic混沌序列预测的平均绝对误差均最小，分别为1.33×10-3、 5.21×10-4。（剩余11448字）

试读结束

目录
monitor