科研之友
微信
新浪微博
Facebook
分享链接
摘要
研究农业经济准确预测问题,农业经济具有混沌性、非线性的复杂系统,传统方法忽略农业经济变化的混沌性,难以精确地描述其变化规律,导致预测精度低。为提高农业经济时间序列预测的精度,提出混沌理论和神经网络相结合的农业经济预测模型(Chao-BPNN)。首先对农业经济变化的时间序列数据进行相空间重构,揭示隐含数据中的混沌变化规律,然后采用BP神经网络对农业经济时间序列数据进行学习和建模,反映农业经济变化的非线性变化点,并对神经网络参数进行优化,以提高预测精度。仿真结果表明,Chao-BPNN克服了传统方法的缺陷,能够全面、准确描述农业经济时间序列变化规律,提高了农业经济预测精度。
- 出版日期2013
- 单位南京农业大学
