[发明专利]一种基于混沌优化神经网络模型的时间序列预测方法

摘要

本发明公开了一种基于混沌优化神经网络模型的时间序列预测方法，该方法首先通过从数据库中在线获取城市历史日需水量时间序列数据并进行数据预处理，并同时进行混沌特征识别；然后利用模型输入数据重构相空间的嵌入维数确定混沌优化BP神经网络的结构,并同时进行模型训练；模型训练过程中通过混沌优化搜索，找到BP神经网络权值的全局最优值；模型训练结束后通过参数控制法对其输出的时间序列预测值进行混沌参数控制；最后实现城市日需水量时间序列的预测。本发明基于混沌优化神经网络模型的城市日需水量时间序列预测方法所需训练数据样本少，收敛速度快、易达到全局最小值，预测结果整体误差的指标良好，呈现良好的综合预测性能。