论文部分内容阅读
基于相空间重构的非线性预测思想，建立一个时滞的BP神经网络模型。采用贝叶斯正则化方法提高BP网络的泛化能力，区别于一般的预测方法，非线性预测不仅注重数据拟合和精度改进，而且能够反映被预测系统的非线性特征。将该模型应用于某电子行业进出口贸易非线性时间序列的预测，结果证明改进的模型具有较好的泛化能力，准确拟合了进出口贸易发展的历史值和趋势。并在分析模型预测精度的同时，通过计算拟合序列和原序列的非线性特征量进行模型评价，证实预测模型能够合理地“捕捉”到产生原序列的非线性系统的动力学特征。