基于蚁群改进BP算法的组合预测模型

2012-07-09李连，孙聪，苏涛

兵器装备工程学报 2012年9期

李连，孙聪，苏涛

(海军航空工程学院 a.控制工程系;b.研究生管理大队，山东烟台 264001)

随着计算机科学与技术的发展以及社会经济系统的日益复杂，众多学者探索了各种预测技术。发展至今，实际应用中较常使用的预测方法已有几十余种。每种预测方法都具有自身的特点，都是对系统内部某方面特征的刻画，揭示了部分的变动规律，因此不能单纯绝对的评价某种方法的优劣，比如神经网络对于复杂因素具有很强拟合能力，但是对于不同结构的数据样本，预测差异性较大，稳定性不足;灰色预测有较强的趋势项模拟能力，但当序列数据变化急剧时往往会产生较大误差;ARMA 时序模型用于非平稳数据建模能够较好地处理随即扰动因素。为了综合利用各项预测方法的优势，Bates 和Granger 建议使用组合预测方法来综合反映系统内部全部信息，从而提高预测精度和效率［1］。在组合预测的研究中已经证实非线性组合预测比线性组合预测的精度要高，但是非线性组合预测中的非线性函数形式的选择和参数估计等问题始终是困扰建模者开展预测工作的关键所在。本文提出基于蚁群算法优化BP 神经网络的组合预测模型，首先用灰色预测和ARMA 时序预测利用历史数据进行预测，将其结果作为改进BP 网络的输入，从而构建组合预测模型，并将其最终结果与其他预测方法进行对比。