水文时间序列的小波神经网络工具箱预测

小波分析是傅里叶分析发展史上的里程碑式进展,具有同时揭示信号在时域和频域局部变化特征的能力,被誉为数学的"显微镜"。本文将小波分析与BP网络有机结合,提出一种小波神经网络工具箱预测水文序列的新方法,对水文时间序列进行趋势预测,并与传统的BP和RBF网络预测结果比较,实验表明小波网络工具箱预测模型对数据具有很强的适应能力,预测精确,潜在优势明显。

基于小波神经网络工具箱的能源总量预测

提出一种采用小波神经网络预测能源生产总量的方法,将其预测结果与传统的BP和RBF网络预测结果相比较,实验表明小波神经网络具有预测过程简捷,精确度高以及预测结果稳定等优点,克服了传统神经网络的局限性和预测方法的不足。仿真实验验证了所提出方法的有效性。