论文研究 基于人工神经网络的时间序列预测的非线性自回归方案

本文致力于一种涉及非线性自回归算法的时间序列预测方案及其应用。 该方案是通过包含隐藏层的人工神经网络来实现的。 作为训练算法，我们使用比例共轭梯度（SCG）方法和贝叶斯正则化（BReg）方法。 第一种方法适用于无噪声的时间序列，而第二种方法也适用于嘈杂的数据集。 我们将建议的方案用于预测使用50和100过去值的石油和天然气定价中产生的时间序列。 提出并讨论了数值模拟的结果。