【出 处】：《 计算机仿真 》 CSCD 2013年第4期 394-397页,共4页

【作 者】： 蒋夕平 ; 吴凤凰

【摘 要】 研究农业经济准确预测问题，农业经济具有混沌性、非线性的复杂系统，传统方法忽略农业经济变化的混沌性，难以精确地描述其变化规律，导致预测精度低。为提高农业经济时间序列预测的精度，提出混沌理论和神经网络相结合的农业经济预测模型（Chao—BPNN）。首先对农业经济变化的时间序列数据进行相空间重构，揭示隐含数据中的混沌变化规律，然后采用BP神经网络对农业经济时间序列数据进行学习和建模，反映农业经济变化的非线性变化点，并对神经网络参数进行优化，以提高预测精度。仿真结果表明，Chao—BPNN克服了传统方法的缺陷，能够全面、准确描述农业经济时间序列变化规律，提高了农业经济预测精度。