小波網(wǎng)絡(luò)在經(jīng)濟(jì)預(yù)測中的應(yīng)用.pdf

1、因經(jīng)濟(jì)系統(tǒng)本身的非線性和不確定性,使得一般的線性模型預(yù)測結(jié)果誤差很大.而神經(jīng)網(wǎng)絡(luò)作為一種優(yōu)良的非線性函數(shù)逼近工具,因其內(nèi)在的非線性品質(zhì)、自組織、自學(xué)習(xí)、強魯棒性、分布式存儲和并行計算的能力,在經(jīng)濟(jì)預(yù)測方面顯示出很大優(yōu)勢.BP神經(jīng)網(wǎng)絡(luò)是一種最廣泛應(yīng)用的神經(jīng)網(wǎng)絡(luò)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(luò)在做預(yù)測的時候,結(jié)果并不是很理想.BP算法收斂速度比較慢,且網(wǎng)絡(luò)在初始參數(shù)選取不當(dāng)時,很容易陷入局部極小,影響模型的可靠性和

2、準(zhǔn)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(xué)研究機(jī)構(gòu)IRLSA的ZhangQinghu和AlbertBenveniste提出的小波神經(jīng)網(wǎng)絡(luò),是基于小波變換構(gòu)成的神經(jīng)網(wǎng)絡(luò)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(luò)有機(jī)地結(jié)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(shù)的發(fā)展,小波網(wǎng)絡(luò)將成為金融市場有力的分析和預(yù)測工具.
　　 本文嘗試從小波網(wǎng)絡(luò)的結(jié)構(gòu)和算法兩方面出發(fā),提出了四種小波網(wǎng)絡(luò).其中兩種是基于同種算法下不同結(jié)構(gòu)的小波網(wǎng)絡(luò),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(jié)構(gòu)的小波網(wǎng)絡(luò),即基于遺傳算法的小波網(wǎng)絡(luò)和基于粒子群優(yōu)化算法的小波網(wǎng)絡(luò).分別利用得到的小波網(wǎng)絡(luò)進(jìn)行時間序列預(yù)測,并對預(yù)測結(jié)果做出比較分析.文章最后利用