基于灰色RBF神经网络模型的电梯层间交通分布预测

为了有效预测电梯的层间交通分布状态,提出一种层间交通O-D矩阵的预测方法.该方法融合灰色预测和神经网络方法各自的优点,将灰色预测方法与RBF神经网络有机结合,构造灰色神经网络预测模型.利用灰色预测中的累加生成运算(accumulated generating operation,AGO)对原始观测数据进行变换,得到规律性较强的累加数据,作为神经网络的建模和训练样本.还提出了对不良交通需求数据的修正方法,以进一步降低观测数据的随机性.所提方法既避免了灰色预测方法存在的理论误差,又提高了神经网络的训练速度和预测精度,适用于短期层间交通分布预测.仿真试验验证了该方法的有效性.

现代医院门诊量的灰色RBF神经网络预测

门诊量预测是现代医院电梯交通以及医疗资源优化配置的重要前提。为了有效地预测医院的门诊量,提出一种将灰色预测方法与RBF神经网络有机结合的灰色神经网络组合预测方法。该方法利用灰色预测中的累加生成运算(AGO)对原始观测数据进行变换,得到规律性较强的累加数据,作为神经网络的建模和训练样本。所提出的方法既避免了灰色预测方法存在的理论误差,又提高了神经网络的训练速度和预测精度,对短期的医院门诊量预测具有较强的实用价值。结果表明:所提出的方法具有良好的预测精度。

灰色预测在工农业生产中的应用

本文根据灰色系统理论，利用累加累减生成等方法，运用灰色动态模型，对工农业生产在各生产因素保持相对稳定的条件下进行规划性预测，为生产的规划与决策提供科学信息．