基于灰色神经网络组合模型的城区沉降预测应用研究

为了提高城区沉降量的预测精度,本文基于灰色预测模型(Grey Model,GM)和反向传播(Back-Propagation, BP)神经网络预测模型,构建了灰色神经网络组合预测模型(Gery Neural Networks Model,GNNM)。以SBAS-InSAR技术获取上海特征区的平均沉降量作为3种预测模型的原始序列,进行预测计算,对比分析组合预测模型预测结果与灰色模型、BP神经网络模型的预测结果。实验结果表明:相比单一的GM(1,1)和神经网络预测模型,GNNM(1,1)组合预测模型的预测精度和稳定性更高,且越接近中心城区,预测效果越好。

基于灰色神经网络组合模型的动态数据序列预测

为了提高动态数据序列的预测精度,分析了现有BP神经网络和灰色预测方法各自的优缺点,并在此基础上建立了灰色神经网络组合模型。组合模型兼有BP神经网络和灰色预测的优点,弥补了单个模型的不足,既克服了数据波动性大对预测精度的影响,也增强了预测的自适应性。本方法利用灰色预测中的累加生成运算对原始数据进行变换,从而得到规律性较强的累加数据,便于神经网络进行建模和训练,并利用神经网络的函数逼近特性,实现对原始数据的预测。仿真结果表明:组合模型的预测精度高于单独的GM(1,1)模型,适用于具有复杂成分的动态数据序列的建模。

灰色神经网络组合模型(GNN)在涝灾预测中的应用

洪涝是对人类及社会危害较大的一种自然灾害,洪涝严重影响农业生产和生态平衡,涝灾预测已成为防灾减灾的重要内容。应用BP神经网络模型对灰色模型预测精度较低的问题进行了改进,该方法是将灰色模型的预测值作为神经网络的输入,以实际值作为输出而构成灰色神经网络组合模型(GNN)。以辽阳地区50年的年降水量作为历史数据,建立GNN涝灾预测模型。预测结果表明:该方法与传统的灰色预测方法相比提高了预测精度,这种新的信息处理和预测方法是有效可行的。

灰色神经网络组合模型在庆安县年降雨量预测中的应用

采用灰色神经网络对黑龙江省庆安县年降雨量进行预测建模,利用灰色GM(1.1)模型"贫信息"和神经网络非线性函数映射能力优秀的特性,避免了灰色GM(1.1)模型对预测拟合精度低的问题。结果表明灰色神经网络组合模型的平均相对误差为0.012 2,高于灰色GM(1.1)模型的平均相对误差0.153 7,预测精度较高,并且算法简便,拓宽了灰色预测模型的应用范围。

基于灰色神经网络组合模型的光伏短期出力预测

光伏发电系统输出功率具有不确定性特征,为了减轻其对电网的影响,有必要进行光伏出力预测。文中提出了一种基于灰色神经网络组合模型的方法对光伏出力进行预测。该方法是对传统直接预测和间接预测方法的结合,考虑了影响光伏出力的主要因素,通过统计与预测日相似天气条件下整点时刻的光伏出力,建立了各时刻出力的灰色模型,然后利用灰色模型的输出和温度数值与实测出力值建立神经网络预测模型,最终得到预测结果。文中采用实际光伏出力数据对灰色模型、神经网络模型、灰色神经网络组合模型3种预测方法进行了结果对比。算例结果表明,所提出的灰色神经网络组合预测模型能够更为精确地对光伏出力进行预测,因而具有潜在的应用价值。

用灰色神经网络组合模型预测农机总动力发展

农机总动力的需求预测是一个复杂的非线形系统,其发展变化具有增长性和波动性。该文首先在灰色预测模型的基础上建立了新陈代谢型灰色预测模型群,然后结合灰色GM(1,1)模型和BP网络模型的优缺点,建立了串联新陈代谢型灰色神经网络组合预测模型,并对中国农机总动力需求进行了预测,结果表明预测值和实际结果有很好的一致性。

农村电子商务产业集群趋势预测研究——基于灰色神经网络组合模型

农村电子商务产业集群发展趋势的预测对于当地政府制定帮扶政策和战略规划具有重要意义。为更准确探究其发展变化趋势,本文从多角度选取指标,利用信息熵理论合成综合指标,构建了增长曲线模型、灰色模型、BP神经网络模型和灰色神经网络组合模型对其进行预测,实证分析表明灰色神经网络组合模型的预测精度优于单项预测模型,更适合于沙集电子商务产业集群发展趋势的预测。

蚁群灰色神经网络组合模型在电力负荷预测中的应用

灰色GM(1,1)预测模型,在负荷预测中得到了广泛应用,但是也有其局限性。当数据灰度越大,预测精度越差,并且不太适合经济长期后推若干年的预测,在一定程度上是由模型中的参数a造成的,为此引入向量θ,建立蚁群灰色模型,然后与神经网络模型相组合,即建立蚁群灰色神经网络组合预测模型。实证分析表明,该预测方法是合理有效的,与传统的预测方法相比,提高了预测精度,具有较好的实用价值。

基于改进灰色神经网络组合模型的光伏电站短期出力预测

针对单一灰色模型和神经网络模型自身的缺陷对传统灰色神经网络组合模型预测精度的影响问题,提出一种基于改进的灰色神经网络组合模型的光伏电站短期出力预测方法。通过把历史日最高和最低气温以及功率数据作为输入,将改进后的单一灰色模型和神经网络模型进行串联组合。采用粒子群优化算法对该组合模型的权值和阈值进行优化,得到改进的灰色神经网络组合模型,可实现提前一天功率预测。某光伏电站群的实测数据验证了该预测方法能够有效提高预测精度。

灰色神经网络组合模型在区域水质预测中的应用

针对神经网络用于水质预测时需要大量数据才能获得较为准确的预测结果的局限性,为降低预测时对数据的依赖引入灰色模型,从而建立两者最优组合模型,以用于数据贫瘠时的情况。将该模型用于珠江支流的水质预测,结果表明,该模型拟合误差小,预测精度高。

应用灰色神经网络组合模型预测深基坑变形

将GM(1,1)模型与神经网络算法相结合建立灰色神经网络组合模型应用于深基坑工程变形预测。以润扬长江公路大桥深基坑工程的监测数据为例进行预测分析,结果表明:组合模型比GM(1,1)模型有更大的适应性,对于复杂非线性变化的数据预测精度高,可较好地预测深基坑变形。

基于灰色神经网络组合模型的航空发动机磨损趋势预测

航空发动机的磨损机理十分复杂,且受到诸多不确定因素影响,单一预测模型难以对其变化趋势进行有效预测。针对该问题提出了一种BP网络与改进灰色模型相融合的组合预测模型,并引入混沌理论的C-C方法确定BP网络的嵌入参数和时间延时。仿真结果显示,该组合模型相比单一的神经网络模型和灰色模型精度更高,更客观地反映出发动机滑油中金属含量的变化趋势,可为科学制定发动机维修决策提供重要依据。

基于灰色神经网络组合模型的矿山安全事故预测分析

本文在分析灰色预测方法和神经网络预测方法所具有的互补优势的基础上,提出修正灰色预测残差序列的方法,计算其拟合结果,排除系统数据受到的冲击和干扰,建立基于灰色神经网络组合算法的模型,进而提高预测的精度。将此方法运用于矿业安全事故预测分析中,建立了多个预测模型,比较得出灰色神经网络组合预测模型的最优性,为矿业安全事故的预测研究提供了一种可行性途径。

基于灰色神经网络组合模型的河北省税收预测

地方税收收入变化发展趋势,对当地财政收支计划、合理安排预算、保证经济社会平稳有序发展等具有重要意义。采用1998-2018年度数据,利用Adaptive-Lasso变量选择法选取河北省税收收入的影响因素。采用灰色神经网络的组合模型对河北省税收收入进行预测。结果表明:河北地区总的生产总值、第三产业、人均可支配收入和人均消费支出对税收收入有显著影响;对河北省2019年和2020年的税收收入增长趋势进行了预测,为政府经济管理提供了依据。

基于灰色神经网络组合模型的故障预测

针对装备故障预测存在有效样本少、模型预测精度低等问题,集成灰色理论和神经网络方法,提出基于灰色神经网络的故障预测组合模型。基于新信息优先原理和重构背景值方法优化灰色GM(1,1)模型的初始值与背景值,利用Levenberg-Marquardt算法改进反向传播神经网络模型;采用组合预测思想,将多方法融合改进灰色模型和神经网络模型,分别构建基于权重分配、基于误差修正和基于结构优化的3种灰色神经网络组合模型。以某雷达发射机的故障预测为例,验证上述方法在故障预测中的有效性。结果表明,灰色神经网络组合模型的预测精度优于单一预测模型,可用于装备的故障预测和预测性维修。

基于灰色神经网络组合模型的煤矿能耗预测研究

针对传统煤矿电能消耗预测模型可靠性和精度低等问题,提出了一种基于灰色神经网络组合模型的煤矿能耗预测方法,该方法将灰色预测模型和BP神经网络有效组合,充分利用2个模型的优点。首先介绍了灰色预测模型和神经网络预测模型的基本原理;其次根据煤矿能耗预测的数据特性,将灰色预测和神经网络预测进行组合,得到一种灰色神经网路组合预测模型;最后,通过仿真验证了所提方法的可行性和有效性,为煤矿能耗预测提供了新的理论依据。

灰色神经网络组合模型在能源需求中的应用

能源是社会发展的基石,随着经济的发展,能源需求也不断增加,为此较高精度的对能源需求进行预测具有十分重要的意义。本文基于GM(1, 1)预测模型和BP神经网络模型,以与能源消耗总量相关的居民消费水平指数,能源生产总量,能源工业投资,国内生产总值,可供消费的能源总量,年末总人口为6个影响指标,建立串联式灰色神经网络模型对全国能源需求总量进行预测。选取2000~2011年全国能源消费总量实际数据为建模数据,以2012~2016年的实际数据为检验数据,对比分析GM(1, 1)、和灰色神经网络的预测精度。其结果表明,灰色神经网络模型预测精度最高,预测误差均方差为0.5840,小于单一的GM(1, 1)预测误差的均方差。

基于灰色神经网络组合模型的税收预测

针对税收收入预测方法,为了寻找将预测精度提升至最佳的预测模型,提出一种串联型灰色神经网络组合模型对我国税收进行预测。首先通过对单一的灰色及人工神经网络分别进行预测,然后以归一化处理后的预测数据作为神经网络的输入变量,以实际税收作为对应的网络输出。本文以 2006—2017 年我国税收数据作为实证分析,结果表明组合模型的预测效果不管是在收敛速度还是预测精度上都明显优于单一的预测模型。

基于灰色神经网络组合模型的电力消费量预测——以河北省为例

在分析灰色预测模型GM(1,1)以及BP神经网络预测模型2种单一模型在电力消费量预测方面不足的基础上,提出灰色神经网络组合预测模型。以河北省电力消费量为基础,分别用3种模型进行预测,并加以比较分析。结果表明,灰色神经网络组合模型提高了关于河北省中长期电力消费量的预测精度,对河北省未来电力系统及能源需求规划具有一定参考价值。

基于分数阶灰色神经网络组合模型的四川省天然气需求预测分析

经济增长的必要支撑条件之一是能源消费量的迅速增长,因此做好未来能源需求预测为能源规划提供科学依据有重要的现实意义。分数阶灰色模型和BP神经网络在能源预测问题领域应用十分广泛,但两者各自存在相对缺点。本文将两者进行加权组合,建立分数阶灰色神经网络组合模型,利用全国制造业天然气消费数据,将组合模型与分数阶灰色模型、BP神经网络进行预测结果误差比较分析,验证组合模型的有效性和精确性。再利用该组合模型对2017-2021年四川省天然气消费数据进行预测分析,结果表明,四川省天然气消费量总体呈上升趋势。