为了有效地解决时间序列的波动性、随机性,以及处理难度大等造成的预测不稳定、预测误差大等问题,提出了结合灰色关联分析与量子门节点神经网络的时间序列预测模型。首先,通过灰色关联分析计算时间序列的主特征值与各影响因子的关联度并根据关联度值进行排序,删除低于关联度阈值的影响因子所对应的原始序列并更新时间序列,以降低待处理的数据量。然后,将更新后的时间序列作为输入,采用基于梯度下降算法的量子门节点神经网络,合理分配训练与测试数据,深入学习时间序列的变化规律,得到预测结果和预测误差。实验结果表明,该组合模型所得到的预测误差的稳定性和精度均优于传统的单一时间序列预测模型,为时间序列预测以及其他预测提供了一种...