论文部分内容阅读
研究了超混沌系统的预测问题。通过分析混沌时间序列，建立具有多个隐节点的3层前馈网络，基于泛化性考虑采用剪枝算法训练，在保证预测精度的基础上消去部分隐节点以降低网络复杂性，利用遗传算法具有的全局寻优能力重新训练网络，利用具有局部寻优能力BP算法再次训练该网络。对Mackey—Glass时滞混沌系统预测实验结果表明，改进算法的泛化性能优于经典BP网络，归一化预测精度提高10倍多，能够较好地解决超混沌系统的预测问题。