基于非单点模糊正则网络的时间序列预测模型 (2006年)

目的建立一种新的具有抗噪声能力的神经网络时间序列预测模型。方法通过将非单点模糊系统引入正则神经网络结构来建立模型。结果具有很强的抗噪声能力，且收敛速度快，全局搜索能力强。将该模型用于实例样本的预测，并和别的神经网络预测模型相比较。抗噪声能力的神经网络时间序列预测模型性能，比神经网络预测模型的性能显著提高。结论所建立的模型在性能上有显著提高，在一定程度上解决了视经网络的固有缺陷，今后有待降低计算复杂度。