论文部分内容阅读
提出了一种基于灰色理论和遗传算法的时间序列预测模型。该模型首先将时间序列进行一次累加，再对累加后的新序列进行相空间重构，将重构后的样本作为遗传算法的训练样本。用波兰表达式的二叉树形式构造种群中的染色体，通过不断交叉、变异和筛选，得到最佳的表达式组合。将输出值进行累减还原，得到时间序列的预测值。将仿真实验与神经网络和多基因表达式编程算法进行对比，实验结果表明，新预测模型具有更强的泛化性能。在混沌时间序列预测和油田单井产量预测的实例分析中，新算法较其他算法都表现出了更强的泛化性能。因此，新算法具有较好的应用前