基于FCM的小波神经网络模型在径流预测中的应用

针对径流变化存在的季节性差异,提出了一种在对预报因子集进行模糊聚类分析基础上构建径流预测模型的新方法:先通过模糊C-均值聚类将历史径流数据进行分类,然后利用小波神经网络分别建立预报因子集与观测值之间的局部预测模型,文中采用网络模型分类识别器,可自动搜寻相适应的局部网络模型进行预测.以西南某水库2006年日平均入库来流的计算实例对简单小波神经网络预测模型和文中所建的融合模型进行了比较.

煤炭需求预测的复合小波神经网络模型

应用复合小波神经网络模型对煤炭消费年增长率进行了预测 ,综合考虑了国内生产总值(GrossDemesticProduct,简称GDP)年增长率波动 ,主要用煤行业 (电力、冶金、建材、化工等 )的发展趋势 ,以及一次能源消费结构中煤炭消费下降的趋势等各种波动的影响 ,预测模型达到了很高的精度 ,用于近期预测是可靠的 .

基于改进小波神经网络模型的汤河含沙量预测研究

本文引入变量权重系数对小波神经网络进行改进,改善传统小波神经网络模型易出现局部收敛的缺陷,并将改进小波神经网络模型对汤河含沙量进行预测。研究结果表明:改进的小波神经网络模型改进了传统BP神经网络模型存在局部收敛的缺陷,在河流含沙量预测中,模拟的含沙量相对误差符合含沙量预测规范精度,可用于河流含沙量预测。研究成果对于河流含沙量预测提供参考价值。

小波神经网络模型在水库水质预测中的应用研究

基于小波分析函数,建立小波神经网络模型,并将该模型运用于水库水质预测中,结合水库水质监测数据,对比分析小波神经网络模型在水库水质预测的适用性。研究结果表明:小波神经网络模型可较好预测水库水质情况,对比水库水质监测数据,该模型2014年水质预测精度各月份相对误差均可控制在20%以内,符合水质预测规范要求。研究成果对于水库水质预测预警平台建设提供参考价值。

小波神经网络模型在地下水预测中的应用

应用小波神经网络模型对辽中平原地区地下水进行预测,并结合区域内实测的地下水水位井观测数据,分析了小波神经网络模型在地下水预测的适用性。研究结果表明：小波神经网络模型在辽中平原地区地下水预测具有较好的预测精度,预测和实测地下水水位之间的相对误差均在15%以内,绝对误差在0.08~2.39mm之间。研究成果对于辽中地区地下水预测具有参考价值。

基于小波神经网络模型的公交客流预测

为预测更精确的客流量数据,达到公交出行的最佳效果。首先结合小波变换理论及BP神经网络的相关知识,建立一种基于小波神经网络的预测模型;其次选取某个城市的公交IC卡刷卡数据作为样本来源,应用小波神经网络模型,以及传统的BP神经网络模型对其进行预测与对比分析。结果发现小波神经网络预测模型预测精度、拟合度均有所提高,具备适用性。

基于神经网络模型的朝阳市生猪价格预测

选取2020年1月至2023年6月朝阳市生猪日价格和猪饲料中豆粕的日价格作为研究数据,分别建立BP神经网络模型和小波神经网络模型对朝阳市生猪价格进行预测.将前160周的价格数据作为BP神经网络模型和小波神经网络模型训练集数据,161~180周的价格数据作为预测数据,通过图形显示预测值和实际值变化,计算2种神经网格模型的平均绝对误差和均方根误差.通过误差比较分析得出,在朝阳市生猪价格波动领域,小波神经网络模型优于BP神经网络模型,建议推广应用.

施工场景下灰色小波神经网络短时交通量预测模型研究

在城市道路施工场景下应用短时交通量预测对提高施工区域交通效率及安全水平至关重要。考虑到施工场景下短时交通量历史样本量小且样本呈现非线性的特点,引入灰色预测模型,构建施工场景下的灰色小波神经网络短时交通量预测模型。以行宫西大街由西向东断面的交通量数据为例,分别基于小波神经网络短时交通量预测模型、灰色小波神经网络短时交通量预测模型,利用Matlab进行训练。结果显示,灰色小波神经网络短时交通量预测结果的平均绝对误差、平均相对误差和均方误差相较于小波神经网络短时交通量预测模型,分别降低了74.14%、75.21%和92.70%,该模型对城市道路施工场景下的短时交通量预测精确度更高。

基于小波神经网络的地下水流数值模拟模型的替代模型研究

以吉林西部为研究区,建立地下水流数值模拟模型,分别应用蒙特卡罗方法和拉丁超立方方法在研究区10个县(市)开采量的可行范围内进行采样,经对比选择拉丁超立方抽样结果得到输入(开采量)—输出(水位降深)数据集,建立小波神经网络模型作为地下水流数值模拟模型的替代模型,而后对替代模型有效性作误差分析,并与多元非线性回归替代模型进行对比.结果显示,2种替代模型在功能上都能逼近地下水流数值模拟模型,但小波神经网络模型得到的水位降深均值和水位降深剩余标准差与模拟模型计算结果的相对误差分别低于多元非线性回归模型76%和45%,说明小波神经网络模型更适合作为地下水流数值模拟模型的替代模型,这为减少优化模型求解过程中直接调用模拟模型所造成的计算负荷提供了一种有效的替代方法.

基于Matlab的小波神经网络参考作物腾发量预测模型研究

参考作物腾发量是估算作物蒸发蒸腾量的关键参数,它的准确预测对提高作物需水预报精度具有重要的意义。将小波神经网络引入到参考作物腾发量的预测中,利用Matlab工具,以大连地区为例,建立小波神经网络模型和灰色新陈代谢GM(1,1)预测模型,并对预测结果进行对比分析。结果表明:小波神经网络模型预测结果精度均在2级以上,与参考作物腾发量计算值绝对相对误差均值达到5.5%,准确性优于灰色新陈代谢GM(1,1)预测模型,达到较好的预测效果,为参考作物腾发量预测提供新方法。

近30年我国卫生总费用与国内生产总值的关系研究:基于小波神经网络模型

卫生总费用与国内生产总值的关系研究是卫生总费用筹资水平研究的主要内容。文章选取1978—2009年我国卫生总费用与国内生产总值的统计数据构建小波神经网络预测模型,描述卫生消费弹性系数和卫生总费用占国内生产总值百分比的发展特点,并预测未来趋势,以期为改善卫生筹资提供建议。

基于模糊聚类分析的小波神经网络模型在径流预测中的应用

提出了一种在对预报因子集进行模糊聚类分析基础上构建径流预测模型的新方法:先通过模糊C-均值聚类将历史径流数据进行分类,然后利用小波神经网络分别建立预报因子集类别变量特征值与观测值之间的局部预测模型,并设计了特征值分类识别器,自动搜寻相适应的局部网络模型进行预测.通过西南某水库2011年日平均入库来流的计算实例对简单小波神经网络预测模型和所建的基于FCM与小波神经网络的预测模型进行了比较,结果较为满意.

基于小波神经网络的参考作物腾发量预测模型研究

为提高某一地区农业用水效率,进行区域水资源的优化配置。本文以辽宁大连地区1954-2005年参考作物腾发量资料为依据,借助于Matlab工具,分别建立结构为8-12-4和10-12-2的小波神经网络进行参考作物腾发量预测,结果表明:在年度和季节尺度上,小波神经网络模型预测结果与参考作物腾发量计算值绝对相对误差均值分别达到5.5%和4.3%,达到了较好的预测效果。该模型预测过程简单,预测结果可靠。为参考作物腾发量预测提供新方法。

时间序列小波神经网络组合模型在年降雨量预测中的应用

在研究了降雨量特性的基础上提出了一种新型的组合预测模型即时间序列-小波神经网络模型(ARWNN)。以858农场为例,先利用时间序列模型对降雨量进行拟合,并将拟合结果作为小波神经网络的输入进行建模分析,并建立时间序列AR模型和小波神经网络模型与之比较,通过精度检验和对比分析结果表明,组合模型对降雨量的拟合及预测精度均较高。

滑坡变形的多因素小波神经网络预测模型

小波神经网络模型结合了小波变换良好的时频局域化性质及传统神经网络具有的自学习功能,具有良好的逼近与容错能力。以某水电工程区的典型滑坡为例,在对滑坡的基本特征、滑坡变形与主要影响因素相关关系进行分析的基础上,选择滑坡位移速率和对滑坡位移起控制作用的降雨2个因素,建立了滑坡变形的小波神经网络预测模型,并与其他多因素小波神经网络模型进行了比较。结果表明,所建的滑坡多因素小波神经网络模型的预测精度总体均比较高,其中以位移速率和降雨量建立的2因素小波神经网络模型的预测精度最高,优于其他小波神经网络模型。

用小波神经网络耦合模型预测流域年均产沙量

引入小波神经网络耦合模型对流域年均产沙量进行了定量研究。由于流域的地质、地貌、土壤在一定时间尺度内具有相对稳定的特性,选出年降雨量、年均气温、年径流量、大雨降雨量、暴雨降雨量、蒸发量、日照时数和汛期降雨量等8个要素作为模型的气候水文输入因子,而以耕地面积、林地面积、水库库容、修建公路、水土保持面积、裸地面积、年采矿量及年末总人口等8个要素作为模型的人类活动输入因子,对流域年均产沙量进行了定量建模预测。结果表明:小波神经网络耦合模型不仅拟合精度高,而且预测效果好,为流域产沙的定量研究提供了新的途径。

基于小波神经网络的变参数振动钻削仿真

为了改变因寻找最优振动参数和切削参数而需要在实验中大幅度频繁地改变参数的状况,利用小波函数对一维信号逼近能力较强的特点,提出了一种适用于变参数振动钻削加工过程仿真的小波神经网络模型, 并运用灰色理论中的关联分析法对小波神经网络输入权值进行选取。理论分析和实验表明:应用该仿真模型,能在振动钻削过程的不同区段寻找最优的振动参数和切削参数。

基于神经网络的预测模型的比较研究

随着经济预测、电力预测等各种预测的兴起,预测对各种领域的重要性开始显现。针对在建立预测模型时不能准确判别使用合适的神经网络,论文归纳了几种常用于预测的神经网络:BP神经网络、RBF神经网络、小波神经网络、组合神经网络,并总结了相应的优缺点,及其适用的预测范围。以某蓄电池厂近几年的销售量为例,检验各种预测模型的精度。预测结果显示,用单一预测模型进行预测时,因自身的局限,使其预测精度和稳定性不高。相比之下,组合预测模型更能有效提高预测精度,可以较充分的降低预测风险,保证预测结果的稳健性。