基于神经网络的时间序列鲁棒预测 (2001年)

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。