期刊文献+
共找到847篇文章
< 1 2 43 >
每页显示 20 50 100
基于广义回归神经网络GRNN的矿井通风系统可靠性评价 被引量:4
1
作者 刁明富 王洪良 《煤炭工程》 北大核心 2008年第8期75-78,共4页
矿井通风系统是矿井的重要组成部分,对矿井的安全生产有着至关重要的影响。在全面分析矿井通风系统影响因素和广泛参考其他评价模型的基础上,以矿井负压等11个矿井通风系统主要影响因素为评价指标,建立了广义回归神经网络矿井通风系统... 矿井通风系统是矿井的重要组成部分,对矿井的安全生产有着至关重要的影响。在全面分析矿井通风系统影响因素和广泛参考其他评价模型的基础上,以矿井负压等11个矿井通风系统主要影响因素为评价指标,建立了广义回归神经网络矿井通风系统评价模型,并应用该模型和MATLAB7.0人工神经网络工具箱编写矿井通风系统评价程序,对多个通风系统样本进行了训练和测试,6次测试中最大误差仅为0.0764。研究表明,该模型精度较高,可用于矿井通风系统评价。 展开更多
关键词 矿井通风系统 广义回归神经网络 非线性 评价指标
下载PDF
综合半参数变系数和GRNN神经网络的对流层延迟模型
2
作者 潘雄 张思莹 +3 位作者 李涛 黄伟凯 金丽宏 张红星 《地球物理学报》 北大核心 2025年第1期54-65,共12页
对流层延迟是卫星导航定位的主要误差源之一,精准地预测对流层延迟对于提高全球导航卫星系统的定位精度至关重要.本文将半参数变系数模型(Semiparametric Varying Coefficient,Semi-VC)引入到对流层延迟建模中,构建一种综合半参数变系... 对流层延迟是卫星导航定位的主要误差源之一,精准地预测对流层延迟对于提高全球导航卫星系统的定位精度至关重要.本文将半参数变系数模型(Semiparametric Varying Coefficient,Semi-VC)引入到对流层延迟建模中,构建一种综合半参数变系数与神经网络的新型经验对流层模型.首先,将频谱分析提取的主周期信号作为参数分量,将剩余周期信号和其他误差归入到非参数分量,建立半参数对流层天顶延迟模型(Semiparametric tropospheric zenith delay model,Semi);其次,为了减弱核函数和窗宽参数选择对估计值精度的影响,利用泰勒展式将参数分量展开到一次项,将窗宽参数与参数解算综合考虑,扩充为半参数变系数模型,综合核估计和最小二乘法,利用三步估计方法得到了参数分量和非参数分量的估计值及观测值的拟合残差;然后,引入广义回归神经网络模型(Generalized Regression Neural Network,GRNN)对拟合残差进行补偿建模,利用贝叶斯优化算法(Bayesian Optimization Algorithm,BOA)进行超参数选择,进一步提升混合模型对ZTD(Zenith Tropospheric Delay)的估计精度.最后,利用陆态网络2020至2022年的210个GNSS(Global Navigation Satellite System)测站的实测数据,对本文提出的半参数变系数与广义回归神经网络组合模型(Semiparametric Varying Coefficient-GRNN,Semi-VC-GRNN)与常用模型从系统误差分离和时空分布特性方面进行了对比分析.结果表明,Semi-VC-GRNN模型在2022年210个测站的测试中平均RMSE(Root Mean Square Error)和平均Bias分别为16.8 mm和0.4 mm,平均RMSE相较于5°分辨率和1°分辨率下的GPT3模型分别提升51.25%和50.07%. 展开更多
关键词 天顶对流层延迟 半参数变系数模型 广义回归神经网络模型 陆态网络
下载PDF
广义回归神经网络修正GNSS垂向坐标时间序列环境负荷效应
3
作者 高菡 匡翠林 楚彬 《地球物理学报》 SCIE EI CAS CSCD 北大核心 2024年第9期3357-3366,共10页
环境负荷通常会引起GNSS垂向坐标时间序列发生非线性变化,对其影响进行精细改正是GNSS坐标时间序列研究中的一项重要内容.传统的物理模型环境负荷改正方法在模型建立与参数求解等过程中需引入部分简化与近似,导致改正不够精细.本文引入... 环境负荷通常会引起GNSS垂向坐标时间序列发生非线性变化,对其影响进行精细改正是GNSS坐标时间序列研究中的一项重要内容.传统的物理模型环境负荷改正方法在模型建立与参数求解等过程中需引入部分简化与近似,导致改正不够精细.本文引入数据驱动的广义回归神经网络(Generalized Regression Neural Network,GRNN)方法改善环境负荷修正效果.以川滇地区GNSS测站的垂向坐标时间序列为研究对象,首先基于变分贝叶斯独立分量分析(Variational Bayesian Independent Component Analysis,vbICA)技术分离坐标序列,分析得到周期性分量,发现大气及陆地储水负荷是引起测站坐标发生季节性变化的重要原因.然后通过GRNN建立与大气及陆地储水相关的环境因素数据和坐标时间序列数据之间的关联,进而消除坐标时间序列中两种环境负荷的影响.经数据驱动的GRNN建模修正大气及陆地储水负荷影响后,各测站坐标残差序列的RMS值平均降低了21.56%,而采用传统的物理模型方法修正后平均降低幅度仅为9.29%,可认为基于GRNN方法的改正效果更好.另外顾及地下温度、冰浓度、比湿、降雨率四种气候因素的影响建立GRNN模型,结果表明地下温度因素对川滇地区GNSS测站垂向坐标影响稍大. 展开更多
关键词 GNSS坐标时间序列 环境负荷 广义回归神经网络 数据驱动
下载PDF
广义回归神经网络(GRNN)在AMT挡位判别中的应用 被引量:8
4
作者 杨小辉 徐颖强 +2 位作者 李世杰 王耀锋 张玉同 《机械设计与制造》 北大核心 2009年第5期72-74,共3页
通过分析传统方法研究AMT换档规律存在的问题和神经网络在不能获得精确数学模型的非线性系统中能达到最优控制的特性以及在线学习的能力等,提出基于广义回归神经网络(GRNN)进行AMT的换档规律的研究,并针对某4档轿车机械自动变速器,建立... 通过分析传统方法研究AMT换档规律存在的问题和神经网络在不能获得精确数学模型的非线性系统中能达到最优控制的特性以及在线学习的能力等,提出基于广义回归神经网络(GRNN)进行AMT的换档规律的研究,并针对某4档轿车机械自动变速器,建立该车自动变速两个参数(车速、油门开度)神经网络控制模型,运用Matlab软件进行换档过程的仿真分析。研究结果表明:利用GRNN研究AMT的换档规律过程简单、适应性强等,能够正确有效地进行车辆档位判别。 展开更多
关键词 广义回归神经网络(grnn) 电控机械式自动变速器(AMT) 换挡规律 仿真
下载PDF
基于鹈鹕优化算法优化广义回归神经网络的电动汽车充电负荷短期预测
5
作者 陈晓华 吴杰康 +2 位作者 张勋祥 龙泳丞 王志平 《山东电力技术》 2024年第7期1-9,共9页
针对目前电动汽车充电负荷预测精度不足的问题,提出了一种结合互补集合经验模态分解和鹈鹕优化算法优化广义回归神经网络的组合预测方法。首先,利用互补集合经验模态分解将电动汽车充电负荷时间序列分解成多个固有模态函数分量和一个残... 针对目前电动汽车充电负荷预测精度不足的问题,提出了一种结合互补集合经验模态分解和鹈鹕优化算法优化广义回归神经网络的组合预测方法。首先,利用互补集合经验模态分解将电动汽车充电负荷时间序列分解成多个固有模态函数分量和一个残差分量。其次,对于分解后的固有模态分量容易出现冗杂信息,利用样本熵对分解后数值相近的固有模态分量进行相加重构,降低冗杂程度。最后,考虑广义回归神经网络的预测效果与平滑因子的数值有很大关系,利用鹈鹕优化算法优化广义回归神经网络的平滑因子,进而对电动汽车充电负荷进行短期预测。仿真表明,所提出的预测方法可以有效地提高电动汽车充电负荷的预测精度,具有较高的实用性。 展开更多
关键词 广义回归神经网络 鹈鹕优化算法 电动汽车充电负荷 短期预测 互补集合经验模态分解
下载PDF
基于木材振动特性的月琴声学品质广义回归神经网络预测模型
6
作者 杨扬 《森林工程》 北大核心 2024年第4期160-167,共8页
泡桐木始终是制造乐器谐振元件的重要材料,对乐器的音质有着重要的影响。采用广义回归神经网络(General Regression Neural Network,GRNN)建立基于共鸣板振动性能的月琴音质评价模型。以制造出的9把月琴为研究对象,根据月琴的音质评价... 泡桐木始终是制造乐器谐振元件的重要材料,对乐器的音质有着重要的影响。采用广义回归神经网络(General Regression Neural Network,GRNN)建立基于共鸣板振动性能的月琴音质评价模型。以制造出的9把月琴为研究对象,根据月琴的音质评价以及制备月琴的共鸣板信息,提出月琴音质的预测模型。在180组数据中,随机抽取135组数据进行训练,其余45组数据进行验证。使用主成分分析方法、GRNN建立月琴声学质量评价模型,并进行仿真预测。结果表明,基于共鸣板的振动特性,利用Matlab仿真可以实现对月琴音质的预测,预测的准确率可达到91.41%。此外,研究还表明,泡桐木共鸣板的动态弹性模量、声辐射阻尼系数、弹性模量、剪切模量比、声阻抗,损耗角正切和声转化率等参数均是影响其制备成品月琴声学质量的重要因素。 展开更多
关键词 广义回归神经网络 主成分分析 声学品质 振动特性 共鸣板 木材 民族乐器
下载PDF
改进的MVO-GRNN神经网络岩爆预测模型研究
7
作者 侯克鹏 包广拓 孙华芬 《安全与环境学报》 CAS CSCD 北大核心 2024年第3期923-932,共10页
准确预测岩爆烈度等级能有效指导岩爆灾害的防控。根据影响岩爆发生及烈度等级的3个因素构建岩爆评价指标体系,提出一种基于改进多元宇宙算法(Improved Multi-Verse Optimizer,IMVO)优化广义回归神经网络(General Regression Neural Net... 准确预测岩爆烈度等级能有效指导岩爆灾害的防控。根据影响岩爆发生及烈度等级的3个因素构建岩爆评价指标体系,提出一种基于改进多元宇宙算法(Improved Multi-Verse Optimizer,IMVO)优化广义回归神经网络(General Regression Neural Network,GRNN)的岩爆预测模型。在普通多元宇宙算法(MVO)的基础上,运用自适应平衡机制调节MVO算法中的虫洞存在概率(V_(WEP))和旅行距离率(V_(TDR))两个重要参数来改进该算法;再运用改进的多元宇宙算法优化广义回归神经网络的光滑度,通过训练数据优选出最佳光滑因子σ,得到IMVO-GRNN神经网络岩爆烈度预测模型;最后结合工程实例验证模型的性能。研究表明,该模型相比传统模型寻优能力更强,精度更高,为岩爆预测提供了一种新的思路。 展开更多
关键词 安全工程 岩爆预测 多元宇宙算法 广义回归神经网络(grnn) 虫洞存在概率 旅行距离率
下载PDF
基于广义回归神经网络的风力发电场设备温度自适应预测方法
8
作者 张二辉 徐兴朝 +1 位作者 郑卫剑 贾政 《自动化与仪表》 2024年第10期72-75,共4页
传统预测方法很难有效处理风力发电场设备温度各种影响因素之间的非线性关系,从而导致预测结果的不准确。针对上述问题,研究一种基于广义回归神经网络的风力发电场设备温度自适应预测方法。分析风力发电场设备温度影响因素并收集这些因... 传统预测方法很难有效处理风力发电场设备温度各种影响因素之间的非线性关系,从而导致预测结果的不准确。针对上述问题,研究一种基于广义回归神经网络的风力发电场设备温度自适应预测方法。分析风力发电场设备温度影响因素并收集这些因素对应的数据,组成样本,对样本实施离群值处理和归一化处理。利用广义回归神经网络自适应预测设备温度并利用鸽群优化算法(PIO算法)自适应调整广义回归神经网络预测模型参数——平滑因子σ,提高其自适应能力。结果表明,所研究方法的预测偏度最高误差仅为0.3℃,说明该方法在预测温度时具有良好的准确性,预测值接近实际值。 展开更多
关键词 广义回归神经网络 风力发电场 设备温度 PIO算法 自适应预测方法
下载PDF
粒子群算法优化的广义回归神经网络求解流形学习样本外点问题
9
作者 黄红兵 《乐山师范学院学报》 2024年第4期1-7,共7页
目前流形学习已成功应用于降维和数据可视化领域,但在监督分类中的应用效果并不理想,解决好样本外点问题对其应用效果至关重要。基于此,采用粒子群算法优化广义回归神经网络计算测试样本的低维嵌入,获得的结果可直接用于分类。借助粒子... 目前流形学习已成功应用于降维和数据可视化领域,但在监督分类中的应用效果并不理想,解决好样本外点问题对其应用效果至关重要。基于此,采用粒子群算法优化广义回归神经网络计算测试样本的低维嵌入,获得的结果可直接用于分类。借助粒子群算法的全局搜索能力对处理样本外点问题具有较好的预测性能;在使用糖尿病、虹膜和声呐三个公开数据集的实验中,粒子群算法优化广义回归神经网络的分类总体精度分别为77.63%、100%和88.89%,优于其他8种分类方法,表明该算法可行、有效;同时,该算法能显著降低数据复杂度,提高了预测、模式分类和机器学习的准确性。 展开更多
关键词 粒子群算法 广义回归神经网络 流形学习 数据降维 样本外点问题
下载PDF
基于广义回归神经网络的变间隙磁流变缓冲器非线性动力学模型
10
作者 段俞洲 王宏 +1 位作者 付本元 居本祥 《磁性材料及器件》 CAS 2024年第6期32-40,共9页
变间隙磁流变缓冲器的动力学行为具有极强的非线性特征,建立准确的动力学模型是精准控制缓冲器输出特性的基础。为此,提出一种基于广义回归神经网络(generalized regression neural network,GRNN)的非线性动力学模型。首先制作了变间隙... 变间隙磁流变缓冲器的动力学行为具有极强的非线性特征,建立准确的动力学模型是精准控制缓冲器输出特性的基础。为此,提出一种基于广义回归神经网络(generalized regression neural network,GRNN)的非线性动力学模型。首先制作了变间隙磁流变缓冲器样机并搭建了冲击试验平台,采集了不同工况下的冲击试验数据作为缓冲器动力学数据库;进而开展了GRNN模型性能验证并与反向传播(back propagation,BP)神经网络模型进行了对比,结果显示GRNN模型可有效映射缓冲器非线性动力学性能且其准确度高于BP模型;最后验证了GRNN模型对未知工况下缓冲器输出预测的准确性,其缓冲力峰值、最大位移、最大速度与试验结果的相对误差分别为4.71%~10.2%、0.32%~4.18%、0.097%~2.5%,表明GRNN模型能准确预测未知工况下缓冲器的输出特性。 展开更多
关键词 磁流变缓冲器 广义回归神经网络 非线性动力学模型 输出
下载PDF
基于广义回归神经网络插值的雷达引信回波模拟
11
作者 王洋洋 曹菲 《火箭军工程大学学报》 2024年第5期69-80,共12页
为了更加精确地对雷达引信回波信号进行模拟,以北京市密云区数字高程模型(Digital Elevation Model, DEM)作为地形研究数据进行插值分析和回波模拟,提出了使用广义回归神经网络(Generalized Regression Neural Network,GRNN)进行插值的... 为了更加精确地对雷达引信回波信号进行模拟,以北京市密云区数字高程模型(Digital Elevation Model, DEM)作为地形研究数据进行插值分析和回波模拟,提出了使用广义回归神经网络(Generalized Regression Neural Network,GRNN)进行插值的方法。在插值后的DEM仿真地形上,考虑地形起伏对雷达引信回波遮挡的影响,仿真得到传统插值算法和GRNN插值算法下的雷达引信回波图,通过内插精度和回波分析了算法性能。结果表明:在地貌类型以平原、丘陵为主的地区,相较于传统算法,本文算法能够描绘地形细节,更加精确地模拟回波分布规律。 展开更多
关键词 广义回归神经网络 高程插值算法 精度评价 回波模拟 深度神经网络 数字高程模型
下载PDF
广义回归神经网络在煤灰熔点预测中的应用 被引量:31
12
作者 周昊 郑立刚 +1 位作者 樊建人 岑可法 《浙江大学学报(工学版)》 EI CAS CSCD 北大核心 2004年第11期1479-1482,共4页
为了提高估算煤灰熔点的精度,采用广义回归神经网络(GRNN)对求解煤灰熔点问题进行了建模.将煤灰组分作为网络输入,煤灰软化温度作为网络输出,采用实验数据训练网络,训练完成的网络作为模型预测煤灰熔点.仿真结果表明,GRNN的预测值与实... 为了提高估算煤灰熔点的精度,采用广义回归神经网络(GRNN)对求解煤灰熔点问题进行了建模.将煤灰组分作为网络输入,煤灰软化温度作为网络输出,采用实验数据训练网络,训练完成的网络作为模型预测煤灰熔点.仿真结果表明,GRNN的预测值与实验值的最大相对误差为2.81%,而反向传播神经网络(BPNN)预测煤灰熔点的相对误差为3.62%.由于GRNN可应用于小样本问题的学习,GRNN比BPNN对煤灰熔点具有更好的预测和泛化能力.GRNN具有设计简单与收敛快的优点,并提高了实时处理与反映最新运行工况参数的预测能力. 展开更多
关键词 灰熔点 灰组分 广义回归神经网络 grnn
下载PDF
灰色广义回归神经网络在木薯产量预测中的应用 被引量:3
13
作者 于平福 陆宇明 +2 位作者 韦莉萍 龙文卿 苏晓波 《西南农业学报》 CSCD 北大核心 2009年第6期1709-1713,共5页
将GM(1,1)预测模型与广义回归神经网络(GRNN)相融合,构建一种兼具两者优点、互补型的灰色广义回归神经网络(GGRNN)。以1985-2007年度广西木薯鲜薯总产量为数据样本,采用GGRNN模型进行广西木薯产量预测研究。研究结果表明,GGRNN训练期平... 将GM(1,1)预测模型与广义回归神经网络(GRNN)相融合,构建一种兼具两者优点、互补型的灰色广义回归神经网络(GGRNN)。以1985-2007年度广西木薯鲜薯总产量为数据样本,采用GGRNN模型进行广西木薯产量预测研究。研究结果表明,GGRNN训练期平均拟合指数、预测期平均拟合指数分别为0.99和0.93,分别比GM(1,1)模型高0.09和0.04。该组合模型在拟合精度和预测精度方面均优于单一的GM(1,1)预测模型,并具有自学习能力、非线性映射能力以及适应性强等优点,为木薯产量预测的定量化和智能化提供了一条有效途径。 展开更多
关键词 灰色预测模型GM(1 1) 广义回归神经网络(grnn) 木薯产量预测
下载PDF
基于萤火虫算法?广义回归神经网络的光伏发电功率组合预测 被引量:34
14
作者 王昕 黄柯 +4 位作者 郑益慧 李立学 邵凤鹏 贾立凯 徐清山 《电网技术》 EI CSCD 北大核心 2017年第2期455-461,共7页
随着光伏发电大容量地并入电网,其输出的随机性必将对大电网安全稳定运行造成影响,为此建立了一种变权重的光伏短期组合预测模型,首先通过主成分分析法(principal component analysis,PCA)将影响光伏出力的多重线性因素进行压缩、提取... 随着光伏发电大容量地并入电网,其输出的随机性必将对大电网安全稳定运行造成影响,为此建立了一种变权重的光伏短期组合预测模型,首先通过主成分分析法(principal component analysis,PCA)将影响光伏出力的多重线性因素进行压缩、提取以简化模型输入变量的维数,然后将提取的第一主成分结合灰色关联度来筛选相似日样本,接着将样本分别带入最小二乘支持向量机、改进BP网络2种单一模型进行2次预测。第1次预测作为相似日预测,用来训练权重系数,训练方法是萤火虫算法优化的广义回归神经网络;第2次预测是待预测日的预测。仿真结果验证了所提模型的有效性。 展开更多
关键词 主成分分析法 灰色关联度 萤火虫算法 广义回归神经网络
下载PDF
基于广义回归神经网络的货运量预测 被引量:72
15
作者 赵闯 刘凯 李电生 《铁道学报》 EI CAS CSCD 北大核心 2004年第1期12-15,共4页
根据货运量形成的原因 ,分析了货运量和相关影响因素之间的关系以及货运量预测的特点。在此基础上 ,建立货运量预测的广义回归神经网络 (GeneralRegressionNeuralNetwork ,GRNN)模型 ,并以我国 1981~ 2 0 0 1年的货运量和相关经济指标... 根据货运量形成的原因 ,分析了货运量和相关影响因素之间的关系以及货运量预测的特点。在此基础上 ,建立货运量预测的广义回归神经网络 (GeneralRegressionNeuralNetwork ,GRNN)模型 ,并以我国 1981~ 2 0 0 1年的货运量和相关经济指标的历史统计数据作为学习样本 ,通过拟合训练和外推预测分析 。 展开更多
关键词 货运量 预测 广义回归神经网络
下载PDF
基于粒子群算法和广义回归神经网络的岩爆预测 被引量:102
16
作者 贾义鹏 吕庆 尚岳全 《岩石力学与工程学报》 EI CAS CSCD 北大核心 2013年第2期343-348,共6页
岩爆是岩石深部开挖中一种常见的工程地质灾害。为评价岩爆发生的可能性,提出一种基于粒子群算法和广义回归神经网络模型(PSO-GRNN模型)的岩爆预测方法。该方法利用已有岩爆数据,通过神经网络技术建立回归模型,采用粒子群算法对模型参... 岩爆是岩石深部开挖中一种常见的工程地质灾害。为评价岩爆发生的可能性,提出一种基于粒子群算法和广义回归神经网络模型(PSO-GRNN模型)的岩爆预测方法。该方法利用已有岩爆数据,通过神经网络技术建立回归模型,采用粒子群算法对模型参数进行优化,减少人为因素对神经网络设计的影响。据此方法,在能量理论的基础上,选取洞壁围岩最大切向应力、岩石单轴抗压强度、抗拉强度和弹性能量指数作为主要影响因素,利用国内外26组已有工程数据建立岩爆预测的PSO-GRNN模型。通过对苍岭隧道和冬瓜山铜矿岩爆预测的工程实例分析验证该方法的可行性和适用性。所提方法可为类似工程的岩爆预测提供参考。 展开更多
关键词 岩石力学 岩爆 岩石地下开挖 粒子群算法 广义回归神经网络
下载PDF
基于广义回归神经网络的时间序列预测研究 被引量:48
17
作者 冯志鹏 宋希庚 +2 位作者 薛冬新 郑爱萍 孙玉明 《振动.测试与诊断》 EI CSCD 2003年第2期105-109,共5页
介绍了广义回归神经网络的基本理论 ,提出了应用 BIC准则确定输入神经元数目的方法 ,将其应用于大型旋转机械振动状态时间序列的单步和多步预测 ,与传统的采用误差反向传播学习算法的三层前馈感知器网络 (BP神经网络 )的预测结果进行对... 介绍了广义回归神经网络的基本理论 ,提出了应用 BIC准则确定输入神经元数目的方法 ,将其应用于大型旋转机械振动状态时间序列的单步和多步预测 ,与传统的采用误差反向传播学习算法的三层前馈感知器网络 (BP神经网络 )的预测结果进行对比。结果表明 ,该网络的预测性能优于后者 ,即使样本数据稀少 。 展开更多
关键词 广义回归神经网络 时间序列预测 平滑参数 网络结构 旋转机械 振动状态
下载PDF
基于广义回归神经网络的电离层VTEC建模 被引量:26
18
作者 范国清 王威 郗晓宁 《测绘学报》 EI CSCD 北大核心 2010年第1期16-21,共6页
提出一种基于广义回归神经网络的电离层电子总含量建模的新方法。依据电子总含量的时空变化特性建立基于广义回归神经网络的区域电子总含量模型。结合实例,详细讨论训练样本的采样策略对网络模型性能的影响,并确定较优的模型光滑参数和... 提出一种基于广义回归神经网络的电离层电子总含量建模的新方法。依据电子总含量的时空变化特性建立基于广义回归神经网络的区域电子总含量模型。结合实例,详细讨论训练样本的采样策略对网络模型性能的影响,并确定较优的模型光滑参数和采样策略。分别从理论和实例上与常用的多项式模型进行对比分析。结果表明在数据样本密集区域两者的精度相当,而在外推的空白区域内网络模型的精度优于多项式模型,验证网络模型的可行性和有效性。 展开更多
关键词 电子总含量 广义回归神经网络 采样 模型精度
下载PDF
广义回归神经网络在肾综合征出血热发病率预测中的应用 被引量:14
19
作者 吴伟 郭军巧 +1 位作者 王萍 周宝森 《中国媒介生物学及控制杂志》 CAS CSCD 北大核心 2007年第6期483-488,共6页
目的探讨广义回归神经网络(GRNN)在肾综合征出血热(HFRS)发病率预测上的优势及应用前景。方法利用1984-2002年沈阳市的气象资料(包括平均气温、相对湿度、降水量和日照)和动物疫情资料(包括鼠密度和鼠带病毒率)共6个指标作为神经网络的... 目的探讨广义回归神经网络(GRNN)在肾综合征出血热(HFRS)发病率预测上的优势及应用前景。方法利用1984-2002年沈阳市的气象资料(包括平均气温、相对湿度、降水量和日照)和动物疫情资料(包括鼠密度和鼠带病毒率)共6个指标作为神经网络的输入,将1985-2003年沈阳市HFRS发病率作为神经网络的输出。利用Matlab7.0软件中的神经网络工具箱分别构建HFRS发病率的GRNN预测模型和反馈(BP)神经网络预测模型,对样本进行拟合和预测并对两者的拟合和预测性能进行比较。结果GRNN的最优光滑因子为0.35;BP神经网络的隐含层数定为6。从拟合效果来看,GRNN和BP神经网络预测模型的平均误差率(MER)分别为25.42%和25.55%;两者的决定系数r2分别为0.9438和0.9729,总的来说,拟合效果比较满意,两者拟合差异不是很明显。从预测效果来看,两者的MER分别为4.90%和15.16%,GRNN的MER远远小于BP神经网络;两者的r2分别为0.9897和0.9516。结论GRNN充分体现了它在小样本预测中的优势,预测效果优于BP神经网络,对解决HFRS等流行情况影响因素复杂的问题有很好的实用价值。 展开更多
关键词 广义回归神经网络 反馈神经网络 肾综合征出血热 预测
下载PDF
应用广义回归神经网络进行土壤空间变异研究 被引量:55
20
作者 沈掌泉 周斌 +1 位作者 孔繁胜 John S.Bailey 《土壤学报》 CAS CSCD 北大核心 2004年第3期471-475,共5页
关键词 广义回归神经网络 土壤性质 空间变异 空间插值技术 地统计学
下载PDF
上一页 1 2 43 下一页 到第
使用帮助 返回顶部