1、非線性時(shí)間序列預(yù)測是近年發(fā)展起來的一個(gè)備受關(guān)注的研究領(lǐng)域，無論在數(shù)學(xué)、物理學(xué)、生命科學(xué)、信息科學(xué)，還是在經(jīng)濟(jì)學(xué)、地球科學(xué)、天文學(xué)等領(lǐng)域均具有廣泛的應(yīng)用前景。對(duì)非線性時(shí)間序列的預(yù)測理論與方法的研究也已經(jīng)取得了豐碩的成果，人們已經(jīng)掌握了許多的預(yù)測方法。但對(duì)于復(fù)雜的應(yīng)用環(huán)境中的時(shí)間序列，單一的預(yù)測方法在實(shí)際應(yīng)用中預(yù)測的效果不夠理想。因此，如何提高復(fù)雜環(huán)境下非線性時(shí)間序列預(yù)測模型的精度是目前有待解決的課題。本文的研究工作是遼寧省基金項(xiàng)目“面向復(fù)

2、雜工業(yè)對(duì)象的預(yù)測方法研究”的一部分，主要針對(duì)非線性時(shí)間序列，研究如何建立組合預(yù)測模型，以提高其在復(fù)雜環(huán)境中的預(yù)測能力。BP神經(jīng)網(wǎng)絡(luò)具有大規(guī)模并行處理、分布式信息存儲(chǔ)、容錯(cuò)性、自組織性和自適應(yīng)性等特點(diǎn)，有很強(qiáng)的非線性逼近能力和分類識(shí)別能力，但其收斂速度慢且存在局部極小值問題。門限自回歸模型能有效地描述具有極限點(diǎn)、極限環(huán)、跳躍性、相依性、諧波等復(fù)雜現(xiàn)象的非線性時(shí)序動(dòng)態(tài)系統(tǒng)，它在實(shí)際應(yīng)用過程中擬合精度較高，但預(yù)測效果不理想。因此本文提出了一種

3、建立組合預(yù)測模型的方法，首先基于人工神經(jīng)元網(wǎng)絡(luò)和門限自回歸技術(shù)分別建立單一的非線性時(shí)間序列預(yù)測模型，然后對(duì)兩種模型取長補(bǔ)短，建立其組合預(yù)測模型。在這一過程中，重點(diǎn)研究了單一模型的組合方法，包括線性組合方法和非線性組合方法以及組合權(quán)值的確定。 本文對(duì)兩個(gè)典型的非線性時(shí)間序列數(shù)據(jù)集進(jìn)行了仿真實(shí)驗(yàn)，對(duì)各單一模型、線性組合模型和非線性組合模型的擬合及預(yù)測的結(jié)果進(jìn)行了比較和分析，實(shí)驗(yàn)結(jié)果表明，組合模型較之單一模型具有較高的精度，其中非線性