论文部分内容阅读
季节性时间序列具有增长性和波动性的二重趋势。灰色模型GM(1，1)能反映时间序列的总体变化趋势，但不能很好反映其季节性波动变化的具体特征，在模拟与预测季节性时间序列中有明显的局限性。文中介绍了季节性神经网络建立的残差修正模型。通过季节性神经网络模型对GM(1，1)的残差序列进行分析，提取其中的非线性成分作为预测时的补偿项，以进行残差修正，从而形成GMSANN叠合预测模型。实例表明，所建模型具有较好的适应性和预测精度。