论文部分内容阅读
对时间序列预测,利用自回归移动平均模型（ARIMA）给出了一种新的基于动态模糊神经网络（DFNN）的模型。该模型中主要是考虑了输出误差这个重要因素。将ARIMA模型产生的非线性特征用DFNN模型模拟,能够产生比DFNN和ARIMA单个模型更加精确的模型。因此,它可以作为一个适当的替代模型来预测任务,特别是当需要更高的预测精度的时候。最后用Mackey-Glass时间序列验证了模型的有效性。