人工蜂群优化进化神经网络：时间序列预测的有效方法

在对照试验中，我们使用均方根误差（RMSE）和平均绝对误差（MAE）来评估预测的准确性。

结果表明，基于人工蜂群改进的进化神经网络的预测结果明显优于IFPA。在RMSE方面，基于人工蜂群的预测方法的平均误差为1.771，而IFPA的平均误差为2.042。在MAE方面，基于人工蜂群的预测方法的平均误差为1.317，而IFPA的平均误差为1.565。

此外，我们还进行了统计分析，发现基于人工蜂群的预测方法的预测值与真实值之间的相关性更强。相关系数为0.982，而IFPA的相关系数为0.971。

综上所述，本文提出的基于人工蜂群改进的进化神经网络的预测方法在预测时间序列方面表现良好，具有实际应用价值。