第
16
卷第
3
期
Vol.
16
No.3
控制与决策
CONTROL
AND
DECISION
2001
年
5
月
May
2001
文'编号，
1001-0920(2001)03-333-04
基于神经网络的时间序列鲁棒预
9
何圣廉，侯越先，常虹，孙学军
〈天津大学计算机系，天津
300072)
摘 要
g
为了实现神经网络预测模型的鲁棒预测，提出一种基于非线性偏自相关的一般化预测模型辨
识方法。该方法通过考察待预测时间序列的当前序列值对各阶历史序列值的不可约自依赖，确定神经网
络这类非线性自回归模型的自回归阶数.实验表明，该方法可有效地提高神经网络预测模型的鲁棒预测
能力.
关键词
z
鲁棒预测，模型辨识
z
非线性偏自相关
s
神经网络
申圈分类号，
TP
13
文献标识码，
A
Robust Time Series Prediction of N eural N etwork
•
HE
Pi-lian
,
HOU
Yue-xian
,
CHANG
Hong
,
SUN
Xue-jun
(Computer
Sc
ience
De
partment
,
Tianjin
University
,
Tianjin
300072 ,
China)
Abstract
,
To
solve
the
problem
of
the
robust
prediction
of
neural
networks
,
the
paper
proposed
a uni-
versal
method
of
nonlinear
model identification.
The
method
is based
on
the
nonlinear
partial
autocorre-
lation.
It
could
determine
the
order
of
nonlinear
auto-regression
by
investigating
the
irreducible
depen-
dence
between
current
quantities
of
time
series
and
high
order
historical
quantities.
Computer
simula-
tions
perfectly
supported
our
idea.
Key words
,
robust
prediction
, nonlinear
partial
autocorrelation;
rnodel identification,
neural
network
1
51
言
力的界限。综上，神经网络在理论上具备了优于线性
模型的更一般的表达能力，因而能更准确地模拟现
实世界中的复杂现象。
神经网络在表达能力方面的优势是以牺牲其可
解析性为代价的。由于在模型中引人非线性而增加
的解析困难，难以象对线性模型那样发展出一套基
于概率统计的模型辨识技术[气而在实际应用中，经
常需要在没有或缺乏先验知识辅助实现模型辨识的
情况下，完成系统辨识或预测的任务。例如，可能需
要通过某种股票价格的历史时间序列来预测股价的
走势，也可能需要通过某个生态系统中特定种群个
相对于传统的线性模型
(ARMA)[lJ
，神经网络
作为一种通用的非线性预测模型
[M]
，具有诸多优
势
z
适当拓扑结构的
MLP
，可任意逼近紧集上的单
值连续函数
;MLP
和多种反馈网络(如
TLRW
飞
RNN[5J ,
NARX[
勺，分别具有实现非线性自回归
(NAR)
和非线性自回归滑动平均
(NARMA)
的能
力
s
参数空间为有理数域的反馈网络
(RNN
和
NARX)
，具有图灵等价的计算能力
EM]
，由丘奇-圄
灵假设
[7]
，可认为反馈网络能力的界限即为算法能
收稿日期，
2000-05-19;
修回日期，
2000-09-14
基金项目
g
国家自然科学基金项目
(69783004)
，天津市自然科学基金项目
(993800111)
作者简介
s
何至廉
0943
一)
，男，天津人，教授，从事人工智能、
cscw
等研究
s
侯越先(1
973
一)
，舅，天津人，博士生，从事非
线性时间序列分析、神经网络研究.
•
资源评论
