小波網(wǎng)絡在經(jīng)濟預測中的應用.pdf

1、因經(jīng)濟系統(tǒng)本身的非線性和不確定性,使得一般的線性模型預測結果誤差很大.而神經(jīng)網(wǎng)絡作為一種優(yōu)良的非線性函數(shù)逼近工具,因其內在的非線性品質、自組織、自學習、強魯棒性、分布式存儲和并行計算的能力,在經(jīng)濟預測方面顯示出很大優(yōu)勢.BP神經(jīng)網(wǎng)絡是一種最廣泛應用的神經(jīng)網(wǎng)絡模型,實踐證明,它具有強大的空間映射能力.但是BP神經(jīng)網(wǎng)絡在做預測的時候,結果并不是很理想.BP算法收斂速度比較慢,且網(wǎng)絡在初始參數(shù)選取不當時,很容易陷入局部極小,影響模型的可靠性和

2、準確性.而具有良好的時頻局部性和變焦特性,且有很強的非線性函數(shù)逼近能力使得小波分析方法成為強有力的非線性系統(tǒng)黑箱辨識工具.
　　 1992年由法國著名的信息科學研究機構IRLSA的ZhangQinghu和AlbertBenveniste提出的小波神經(jīng)網(wǎng)絡,是基于小波變換構成的神經(jīng)網(wǎng)絡模型,即用非線性小波基取代通常的神經(jīng)元非線性激勵函數(shù)(如Sigmoid函數(shù)),它把小波變換與神經(jīng)網(wǎng)絡有機地結合起來并充分繼承了兩者的優(yōu)點.隨著非線性

3、理論和人工智能技術的發(fā)展,小波網(wǎng)絡將成為金融市場有力的分析和預測工具.
　　 本文嘗試從小波網(wǎng)絡的結構和算法兩方面出發(fā),提出了四種小波網(wǎng)絡.其中兩種是基于同種算法下不同結構的小波網(wǎng)絡,即Morlet_WNN模型和Morlet_Gaussin_WNN模型;另外兩種是基于不同算法下同種結構的小波網(wǎng)絡,即基于遺傳算法的小波網(wǎng)絡和基于粒子群優(yōu)化算法的小波網(wǎng)絡.分別利用得到的小波網(wǎng)絡進行時間序列預測,并對預測結果做出比較分析.文章最后利用