《基于MCP正则化SWESN的时间序列预测方法研究》

技术简介：

为提高小世界回声状态网络(SWESN)的非线性拟合能力,提出一种基于MCP正则化SWESN的时间序列预测方法(MCP-SWESN),优化小世界回声状态网络的输出权值,解决常规回归方法计算权值时出现的过拟合问题,提高预测精度。仿真实现ESN、SWESN、Ridge-SWESN、Lasso-SWESN、SCAD-SWESN和MCP-SWESN六种预测方法对Lorenz混沌时间序列、Mackey-Glass混沌时间序列和实际PM2.5浓度时间序列的预测,结果显示:基于MCP-SWESN的时间序列预测方法具有更强的预测能力。

研发人员：刘半藤;陈唯;尹则高;孙萍;