基于GEP算法的高阶常微分方程预测模型

来源：计算机工程与应用杂志2018年第18期北京时间：

作者：崔 未，王卫华，黄樟灿，谈 庆

单位：武汉理工大学 理学院，武汉 430070

摘要：针对动态系统预测建模中建模效率低，无显式模型的缺陷。提出一种基于基因表达式编程（GEP）的高阶常微分方程预测模型（GEP-HODE）。将一维数据的变化特性使用高阶微分进行表示，通过GEP对高阶微分数据进行建模，得到显式模型。对高阶常微分方程模型进行降阶处理，使用数值方法进行求解，得到预测值。该方法利用了GEP算法“基因型-表现型”的编码特性，实现了模型建立与参数优化的同步，大幅度提升建模效率。以太阳黑子年平均数作为实验数据建模预测，结果表明，该方法相比GP混合建模方法有更高的效率，相比混合BP神经网络模型等方法有更好的精度。

关键词：基因表达式编程,动态系统建模,高阶常微分方程模型,时间序列预测