1. 研究目的与意义及国内外研究现状

人工神经网络（artificial neural networks，简写为anns）也简称为神经网络（nns）或称作连接模型（connection model），它是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。神经网络目前广泛应用于计算机、生命科学、时间序列预测领域。

时间序列是指将同一统计指标的数值按其发生的时间先后顺序排列而成的数列。时间序列分析的主要目的是根据已有的历史数据对未来进行预测。时间序列在气象、水文、工程、经济等自然科学和社会科学中都有广泛应用。时间序列通常都有变化的趋势，都其进行分析研究，可以预测事物发展变化的内在规律，这对人们正确认识事物并据此做出科学决策具有重要意义。所以采用神经网络对时间序列进行预测有着重要意义，然而bp网络训练中稳定性要求学习效率很小,存在收敛速度慢且易陷入局部极小等问题。而lm 是一种集下降梯度法和牛顿法为一体的算法，能够提升了网络寻优效率，且规避了局部极小问题。遗传算法(genetic algorithm，ga)，是计算机科学人工智能领域中用于解决最优化的一种全局搜索启发式算法，其搜索优化来源于种群搜索策略和种群个体间的信息交换，与 bp 神经网络采用非线性优化的梯度下降法的信息无关，利用该算法可以优化 bp神经网络的拓扑结构和网络参数，提高网络的收敛速度。

所以本文在采用bp神经网络对时间序列进行预测的基础上，引入lm算法和遗传算法对bp神经网络进行优化，提高算法的收敛速度，从而快找到最优解，进而实现基于bp神经网络及其优化方法的时间序列预测。

2. 研究的基本内容

首先了解神经网络、l-m算法、遗传算法等优化方法以及时间序列预测的发展概况并研究其发展趋势。

其次，学习神经网络、遗传算法的结构、特点及工作原理。同时学习matlab软件应用于编程方法，设计bp神经网络预测模型，搜集某一时间序列数据，进行训练算法预测研究；

接着讨论训练算法对不同算法对预测效果的影响，并对l-m算法等不同算法的预测结果误差分析。

3. 实施方案、进度安排及预期效果

2016.1-2016.2收集资料了解神经网络、遗传算法等优化方法以及时间序列预测的发展概况及趋势；

2016.2掌握matlab软件的应用于编程方法；

2016.2-2016. 3学习神经网络的结构、特点及工作原理；

4. 参考文献

[1] 冯蓉, 杨建华. 基于 bp 神经网络的函数逼近的 matlab 实现[j]. 榆林学院学报, 2007, 17(2): 20-22.

[2] barmada s, musolino a, rizzo r. analysis of transmission lines with frequency-dependent parameters by wavelet-fft method[j]. magnetics, ieee transactions on, 2003, 39(3): 1602-1605.

[3] menegaz g, thiran j p. three-dimensional encoding/two-dimensional decoding of medical data[j]. medical imaging, ieee transactions on, 2003, 22(3): 424-440.