基于Mexican Hat小波网络的时序预测

魏浩

摘要：该文采用一种Mexican Hat函数作为小波神经网络的隐层神经元函数，利用神经网络工具箱方法对石油探明储量进行时序预测，仿真实验表明，该预测模型预测精度优于Morlet小波函数构成的网络，比BP网络性能更好。

关键词：小波神经网络;Mexican Hat小波函数;工具箱;石油探明储量;预测

中图分类号：TP393        文献标识码：A

文章编号：1009-3044（2019）25-0225-02

石油探明储量增长趋势预测对于油气规划具有重要意义，预测结果的合理性主要取决于预测方法或模型的适用性等。采用石油探明储量的时间序列进行趋势预测能较好地反映内部特点，该方法是根据历史数据递推后续数据，对数据要求低，通常只需一维数据序列就能进行预测，但一般方法预测精确度较低，数据适应能力差。本文采用小波神经网络进行时间序列建立预测模型，可以提高预测精度。

小波神经网络有小波分析良好的时频局部化性质又有神经网络自学习、鲁棒性和非线性函数逼近能力等，目前应用广泛。小波网络具有伸缩因子、平移因子，因此比一般的神经网络具有更多的自由度和函数逼近能力，学习速度快等特点。

本文采用一种基于Mexican Hat小波函数取作神经网络的隐层函数，利用神经网络工具箱的方法对石油探明储量的时序预测，通过仿真实验说明有效性。

1 隐层神经元激励函数

隐层激励函数是决定神经网络性能与品质的主要因素，可以选择相当广泛的函数类，如 Sigmoid、Gauss、样条函数等，不同的小波基函数性能不同，本文采用Mexican hat小波作为激励函数，但也可取Morlet小波函数或其他小波函数。

预测结果如图2所示，详细数据如表1所示。图中，“*”为实际值，“o”表示预测值。采用绝对平均百分误差计算。预测结果：MAPE=5.86% ，最大值预测精度值为10.9920% ，将网络训练与预测过程编制为一个程序，运行时间总计为1.1322s。

5 预测结果对比分析

同时采用Morlet小波神经网络工具箱、BP神经网络工具箱对图2数据进行同样的实验，将BP、Morlet小波网络、Mexican Hat小波网络工具箱3种方法预测结果列表如表1所示。

由表1可知，本文采用的Mexican Hat小波神经网络工具箱预测精度最高，达到MAPE=5.8466%，其次是Morlet小波網络工具箱，BP神经网络工具箱预测结果最差，多次实验难以得到合理的结果，表明BP神经网络很难适应本数据。由于小波神经网络具有良好的特征提取能力，因此获得了较好的结果。

6 结论

采用一种Mexican Hat小波神经网络工具箱，对石油探明储量进行预测实验，表明其数据处理能力比编程实现小波神经网络好很多，具有很强的鲁棒性和实用性。仿真实验证明了所采用方法的有效性和实用性。

参考文献：

[1] 杨一文，刘贵忠，张宗平，等. 基于小波网络的非线性时间序列预测及其在股市中的应用[J].模式识别与人工智能，2001，2（14） .

[2]  潘玉民，邓永红，张全柱.小波神经网络模型的确定性预测及应用[J].计算机应用，2013，33（4）.

[3] http：//www.bp.com/statisticalreview.

【通联编辑：代影】