论文研究基于复杂网络理论的PPI网络拓扑分析.pdf

分析了一种新的时间序列预测模型——“松散型”小波神经网络预测模型。在用神经网络分析时间序列预测方法的基础上，用方差分析的统计方法确定样本序列的长度，从而有效地确定神经网络输入层节点数。运用该模型对太阳黑子年平均序列进行小波分解、重构、预测和合成，得到了序列总的预测效果。同时，将新模型与传统BP神经网络模型的预测效果进行了比较，分析了两者出现差异的本质原因。整体反映了将复杂问题简单化处理、将小波多分辨分析同神经网络的非线性逼近功能相结合的思想。这种思想及方法发挥了小波变换和神经网络的各自优势，明显提高了预测精度。