典型文献
基于修剪平均的神经网络集成时序预测方法
文献摘要:
由于复杂时序存在结构性断点和异常值等问题,往往导致预测模型训练效果不佳,并可能出现极端预测值的情况.为此,本文提出了基于修剪平均的神经网络集成预测方法.该方法首先从训练数据中生成多组训练集,然后分别训练多个神经网络预测模型,最后将多个神经网络的预测结果使用修剪平均策略进行集成.相较于简单平均策略而言,修剪平均策略不容易受到极值的影响,能够使集成模型获得鲁棒性强的预测效果.在实证研究中,本文构造了两种神经网络集成预测模型,分别为基于修剪平均的自举神经网络集成模型(Trimmed Average based Bootstrap Neural Network Ensemble,TA-BNNE)和基于修剪平均的蒙特卡洛神经网络集成模型(Trimmed Av-erage based Monte Carlo Neural Network Ensemble,TA-MCNNE),并采用这两种模型对 NN3竞赛数据集进行预测,结果表明在常规和复杂数据集上,修剪平均策略比简单平均策略具有更好的预测精度.此外,本文将所提出的集成模型与NN3的前十名模型进行比较,发现两种模型在全部数据集上均超过了第6名,在复杂数据集上的表现均超过了第1名,进一步验证本文所提方法的有效性.
文献关键词:
时序预测;集成模型;神经网络;修剪平均;重采样
中图分类号:
作者姓名:
赵阳;郝俊;李建平
作者机构:
中国科学院科技战略咨询研究院,北京100190;中国科学院大学经济与管理学院,北京100190
文献出处:
引用格式:
[1]赵阳;郝俊;李建平-.基于修剪平均的神经网络集成时序预测方法)[J].中国管理科学,2022(03):211-220
A类:
修剪平均,BNNE,MCNNE,NN3
B类:
网络集成,时序预测,断点,异常值,模型训练,训练效果,训练数据,组训,训练集,神经网络预测模型,极值,集成模型,集成预测模型,自举,Trimmed,Average,Bootstrap,Neural,Network,Ensemble,TA,蒙特卡洛,洛神,Monte,Carlo,复杂数据,略具,前十名,名模,重采样
AB值:
0.24927
相似文献
机标中图分类号,由域田数据科技根据网络公开资料自动分析生成,仅供学习研究参考。