基于泛函网络的预测模型及算法研究

论文摘要

泛函网络是1998年由E.Castillo提出的一种神经网络的推广.与神经网络不同,它处理的是一般的泛函网络模型,它在各个神经元之间的连接没有权值;并且神经元函数不是固定的,而是可以学习的,是一个给定的函数族的组合.最近几十年来,作为探讨事物发展状况的预测工作已越来越引起人们的重视.预测的对象千千万万,预测方法种类繁多,不同的预测对象适用不同的方法,所以,对预测方法本身的研究就成为预测研究的主要内容之一.目前对线性问题的研究比较成熟,由于现实世界的复杂性,事物之间往往呈现非线性关系,传统方法在处理一些非线性预测问题时有一定的困难,很难达到预测精度,而泛函网络在处理非线性问题时有一定的优势.本文拟用泛函网络解决预测方法中的一些问题,尤其是一些非线性预测问题的模型和算法.本文首先介绍了泛函网络及预测技术的相关知识,概述了国内外的一些研究现状.提出了基于泛函网络的非线性回归预测模型和相应的学习算法,并分别就一元和多元非线性回归预测模型给出具体实例,通过算例表明该模型的预测结果优于其他回归预测模型。本文还给出了基于泛函网络的宏观经济预测模型和相应的学习算法,通过具体经济预测实例和与其他经济预测模型进行比较,说明该模型具有一定的优势和实用性.通过比较可以看出基于泛函网络的预测模型,具有较好的理论意义和应用价值.本文对泛函网络的预测模型和算法的研究,只是一个初步的尝试,希望能给预测工作者提供一种新的参考方法.

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 引言
• 1.2 课题的背景知识
• 1.3 本文的内容及结构安排
• 1.4 本文的创新点
• 1.5 本文的重点和难点
• 2 泛函网络的理论基础及国内外研究现状
• 2.1 泛函网络的提出
• 2.2 泛函网络的国内外研究现状
• 2.3 泛函网络的拓扑结构
• 2.4 泛函网络与神经网络的区别
• 2.5 泛函网络的模型和学习算法
• 2.5.1 泛函神经元及其变形
• 2.5.2 两种简单的,典型的泛函网络模型
• 2.5.3 可分离的泛函网络模型
• 3 预测方法的理论基础及国内外研究现状
• 3.1 预测的目的和意义
• 3.2 预测的分类
• 3.2.1 定性预测
• 3.2.2 定量预测
• 3.2.3 定性预测和定量预测的区别和联系
• 3.3 常用的预测方法及国内外研究现状
• 3.3.1 基于时间序列分析法的预测技术
• 3.3.2 基于灰色系统理论的预测技术
• 3.3.3 优化组合预测技术
• 3.3.4 基于神经网络的预测技术
• 3.3.5 支持向量机
• 4 基于泛函网络的回归预测模型及学习算法
• 4.1 回归预测法概述
• 4.2 回归预测法的分类
• 4.3 线性回归预测
• 4.3.1 一元线性回归预测法
• 4.3.2 多元线性回归预测法
• 4.4 非线性回归预测
• 4.5 传统回归预测的缺陷
• 4.6 基于泛函网络的回归预测模型和学习算法
• 4.6.1 基于泛函网络的一元非线性回归预测模型及学习算法
• 4.6.2 基于泛函网络的多元非线性回归预测模型及学习算法
• 4.7 应用研究实例
• 4.7.1 一元非线性回归预测实例
• 4.7.2 多元非线性回归预测实例
• 5 基于泛函网络的宏观经济预测模型及学习算法
• 5.1 经济预测的基本概念
• 5.1.1 经济预测的起源和发展
• 5.1.2 经济预测的概念
• 5.1.3 经济预测的基本原则
• 5.1.4 经济预测步骤
• 5.1.5 经济预测分类
• 5.2 宏观经济预测
• 5.2.1 宏观经济系统的特点
• 5.3 宏观经济系统中预测存在的困难
• 5.4 基于泛函网络的宏观经济预测
• 5.4.1 基于泛函网络的宏观经济预测模型
• 5.4.2 基于泛函网络的宏观经济预测模型的学习算法
• 5.5 应用研究实例
• 5.5.1 模型变量的选择
• 5.5.2 模型的建立和求解
• 5.5.3 预测及及经济分析
• 5.5.4 模型的经济分析
• 6 全文的总结和展望
• 参考文献
• 附录
• 致谢
• 攻读硕士期间发表的文章及参加的科研项目