时间序列人工神经网络建模的一种建议方法-研究论文

这项研究提出了一种选择输入数量（模型中的滞后值数量）和隐藏节点的最佳组合的方法，以使用人工神经网络（ANN）建模季节数据。 使用三个数据集（降雨，相对湿度和太阳辐射）评估提议的程序，并将所得的ANN模型与两个传统模型（Holt-Winter和SARIMA）进行比较。 具有大量滞后值的模型已显示出优于具有少量滞后值的模型的趋势。 发现选定的人工神经网络模型在降雨数据方面胜过两个传统模型。 在相对湿度数据上，它的性能优于SARIMA，但比Holt-Winter模型差，并且在太阳辐射数据上，其性能也比两种方法差。 因此，建议的程序执行得很好。 拟议的程序与其他两个模型相关的结果，由ANN模型记录的震荡性能仅证明以下事实：在每个数据集上都没有特定的模型是最佳的。 研究人员应该坚持简约性，而不是坚持优雅或精致。