改進(jìn)遺傳神經(jīng)網(wǎng)絡(luò)在時間序列預(yù)測中的研究與應(yīng)用.pdf

1、四川師范大學(xué)碩士學(xué)位論文改進(jìn)遺傳神經(jīng)網(wǎng)絡(luò)在時間序列預(yù)測中的研究與應(yīng)用姓名：王昶申請學(xué)位級別：碩士專業(yè)：計(jì)算機(jī)軟件與理論指導(dǎo)教師：王世倫20100319法優(yōu)化神經(jīng)網(wǎng)絡(luò)的限制與不足，并且結(jié)合相應(yīng)數(shù)據(jù)集，提出遺傳算法雙階段優(yōu)化策略( D u a l - P h a s e O p t i m i z a t i o n ，D P O ) 來同時優(yōu)化神經(jīng)網(wǎng)絡(luò)促使結(jié)構(gòu)和參數(shù)。2 ．建立W G A N N 模型；將其應(yīng)用于岷江上游的徑流量預(yù)測，取得

2、較好結(jié)果。將W G A N N 模型的預(yù)測結(jié)果與未經(jīng)優(yōu)化的神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果進(jìn)行比較。從短期( 一年) 、中期( 三年) 和中長期( 五年) 預(yù)測結(jié)果來看，W G A N N 模型精度均高于傳統(tǒng)神經(jīng)網(wǎng)絡(luò)。其中，神經(jīng)網(wǎng)絡(luò)作為整個模型的主要架構(gòu)；利用本文提出的D P O ，首先確定網(wǎng)絡(luò)結(jié)構(gòu)，其次再對參數(shù)進(jìn)行優(yōu)化；小波變換實(shí)現(xiàn)對數(shù)據(jù)集的預(yù)處理。最后，通過W G A N N 模型對岷江上游徑流量數(shù)據(jù)進(jìn)行短、中、長期的預(yù)測分析，并將預(yù)測分析的結(jié)果與