小波神经网络模型的确定性预测及应用

？针对神经网络模型预测结果的随机性，构建了一种紧致性小波神经网络工具箱。该方法将小波函数移植到bp网络隐层，并采用一种随机确定状态命令获得确定的预测结果。与编程实现的小波神经网络和bp网络比较，该方法适合于大批量数据训练，对数据样本的适应能力和鲁棒性强，尤其对高频随机时间序列有更好的适应能力，具有预测结果确定及实用性强等特点，可显著提高模型的训练速度、预测精度和预测效率。基于小波包变换和小波神经网络的瓦斯涌出量预测实验证明了所提方法的有效性。