摘要
根据数据序列具有宏观变化、微观波动、相近性和相依性，建立了基于BP神经网络与模糊加权马尔可夫链的数据预测模型。首先利用BP神经网络对数据拟合，对残差进行模糊C均值聚类得到马尔可夫链的状态区间，以此求出状态转移概率矩阵，并利用归一化后的自相关系数对其进行改进，确定出预测数据所属状态区间，根据状态区间求出预测值。从实例分析表明该文算法具有较高的精确度和可靠性，应用前景广阔。
出处
《计量技术》
2013年第10期3-7,共5页
Measurement Technique
基金
甘肃省教育厅科研资助项目（00330715-01）
兰州石化职业技术学院科研项目（k06-08）.
