基于灰色-BP神经网络组合模型的赣南脐橙产量预测分析

赣南脐橙产量变动的随机性、波动性和复杂性,给脐橙产量的预测带来了很大的困扰。将灰色-BP神经网络加以组合,采用2004年至2013年赣州市赣南脐橙产量数据,对赣南脐橙未来产量进行预测。通过MATLAB计算,结果表明:灰色-BP网络组合预测模型精度高于传统灰色预测模型,且2014年至2016年赣州市赣南脐橙产量预达到171.34万t,190.81万t,212.49万t。

具有二重趋势性的季节型电力负荷预测组合优化灰色神经网络模型

电力负荷预测是电力系统的一项重要工作 ,季节型电力负荷预测是一个难点 ,缺少相应的数量预测方法。对于具有增长和波动二重趋势性的季节型电力负荷 ,首次提出了季节型负荷预测的组合优化灰色神经网络模型 ,研究了同时考虑两种非线性趋势的复杂季节型负荷预测问题 ,说明了此优基金项目 :国家自然科学基金资助项目 ( 5 0 0 770 0 7) ;国家电力公司重点学科基金资助项目 (A98B0 3)。ProjectSupportedbyNationalNaturalScienceFoundationofChina( 5 0 0 770 0 7) .化模型分别优于两种单一发展趋势负荷预测的模型。给出了电力负荷预测的应用实例 ,通过对河北电网季节最大负荷与销售电量的分析 ,建立了对应的组合优化灰色神经网络模型 ,与其它算法进行了比较 ,计算结果表明 ,该方法较大提高了季节型负荷预测的精度 ,为季节型电力负荷预测提供了一种新的、有效的方法 ,编制了季节型负荷预测的软件 。

基于灰色模型与神经网络组合的线损率预测

对线损率预测的方法进行了研究,采用灰色模型与神经网络组合的方法对线损率进行预测。首先用GM(1,1)建模对线损率的变化趋势分析计算,运用灰色关联度分析与线损率相关的因素,确定出神经网络的输入变量,建立线损率预测的3层BP网络模型;然后采用GM(1,1)和神经网络的组合预测模型得到线损率的最终预测结果;最后通过对实例的分析,证明所提方法提高了线损率预测的精度。

一种新的组合灰色神经网络预测模型

对GM(1,1)灰色和几种灰色组合模型进行了讨论,针对多个相关序列预测的问题,提出了组合灰色GM(1,1)神经网络预测模型.此方法采用灰色模型对各序列进行预测,然后利用神经网络对预测值进行校正,得到最终预测值.实例表明此种模型在实际应用中的确能够提高预测精度.

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。

基于灰色神经网络的能源消费组合预测模型

组合预测对于信息不完备的复杂经济系统具有一定的实用性。鉴于能源消费系统的复杂性和非线性特征,利用我国能源消费的历史数据,采用灰色预测的GM(1,1)、无偏GM(1,1)和pGM(1,1)3种模型与人工神经网络进行优化组合,建立了灰色神经网络的能源消费组合预测模型,实证分析结果获得了更为精确的预测效果,可以作为能源消费预测的有效工具。同时,能源消费的预测结果也表明今后必须以节能为主导思想,努力建设资源节约型社会和环境友好型社会。

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。

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。

基于灰色神经网络优化组合模型的火灾预测研究

为了提高火灾事故预测的精度,根据我国火灾事故数据样本较小,波动性较大的特点,将遗传算法优化的灰色无偏预测模型与遗传算法优化的BP神经网络模型结合起来,建立灰色神经网络优化组合模型,充分发挥无偏灰色预测模型适用于小样本的数据预测的优势与BP神经网络处理非线性问题的优点。分别采用遗传算法优化后的无偏灰色GM(1,1)模型、遗传算法优化的BP神经网络预测模型与灰色神经网络优化组合模型对我国1998-2008年的火灾事故进行拟合,并对2009-2011年的火灾事故发生数进行预测。结果表明:灰色神经网络优化组合模型的预测误差最小,精度最高,适用于火灾事故的预测。

基于灰色BP神经网络组合模型的基坑变形预测研究

为了使得基坑变形预测在"少样本"、"贫信息"的情况下依然能够得出精度较高的结果,在传统的灰色GM(1,1)模型和BP神经网络模型的基础上,进行了灰色BP神经网络组合模型的研究。通过总结2传统模型的原理和算法,归纳各自的优缺点,分析2模型在本质原理上的关系,提出了构建组合模型的方法。利用广州市轨道交通三号线燕塘站的监测数据,对灰色GM(1,1)模型、BP神经网络模型和灰色BP神经网络组合模型分别进行了检验,肯定了组合模型的优越性。

灰色神经网络最优权组合模型预测城市需水量

需水量预测是一个大量数据指标和影响因素共同作用的复杂系统。目前以单一的模型预测为主,而这种预测方法仅能体现该系统的局部。针对这一情况,利用灰色模型和改进BP神经网络,建立最优权组合模型预测城市需水量,使用Matlab进行实例计算,并与其他预测方法比较。结果表明,该模型有较高的预测精度,优于单个模型,预测效果更优于其他方法。

二重趋势性季节型电力负荷预测组合灰色神经网络模型

对于具有增长和波动二重趋势性的季节型电力负荷 ,首次提出了季节型负荷预测的组合优化灰色神经网络模型 ,研究了同时考虑两种 (非线性 )趋势的复杂季节型负荷预测问题 ,说明了此优化模型分别优于两种单一发展趋势负荷预测模型 ,给出了电力负荷预测的应用实例 ,为季节型电力负荷预测提供了一种新的。

基于组合式神经网络的转子系统状态预测模型

针对反映转子系统工作状态的特征参数时间序列具有不确定性的、差异较大的分段函数变化规律的特点 ,提出了一种组合式神经网络转子系统状态预测模型。该模型将故障诊断和状态预测有机地结合起来 ,利用转子系统当前状态特征参数样本 ,通过故障诊断系统判断预测时的转子系统工作状态模式 ;从多种神经网络预测模型组合而成的预测模型库中调用同该工作状态模式相应的神经网络预测模型 ,对多种特征参数时间序列进行预测 ;依据预测出的未来某一时刻的多种特征参数 ,利用故障诊断系统判断转子系统的未来工作状态模式。仿真试验结果表明 ,该模型可以对转子系统状态进行可靠的预测。文中详细讨论了模型的建立和仿真实验结果。

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。

基于组合神经网络的启发式工控系统异常检测模型

为了提高工控系统入侵的检测率,讨论了传统工控入侵检测技术的原理,并从信息论的观点进行了对比研究.通过对工控系统特异性及其攻击手法的建模,归纳出工控攻击在协议栈、统计特性、通信行为等方面表现出的动态和静态指纹,基于一种新的异构信息的抽象方法,提出并实现了一个基于组合神经网络的启发式工控系统异常检测模型.测试结果表明该检测模型运行高效,相比一般智能方法检测结果更为准确.

基于灰色关联度的GM(1,1)-BP神经网络组合模型研究

改革开放以来,我国居民消费水平保持较快发展态势,准确预测未来居民消费水平能更好地掌握国民经济发展趋势,为政府相关部门制定战略规划和产业政策提供参考。为此,基于灰色关联度建立了GM(1,1)-BP神经网络组合模型,对2000—2016年居民消费水平进行模拟,并对比分析GM(1,1)模型、BP神经网络模型、灰色组合模型模型的预测误差。仿真结果表明,基于灰色关联度的GM(1,1)-BP神经网络组合模型能进一步提高预测准确性。

基于改进灰色模型与BP神经网络模型组合的风力发电量预测研究

针对灰色模型在数据序列无规律的风力发电量预测中精度不高的问题,通过对原始数据的平滑处理改进灰色模型,并将改进的灰色模型与BP神经网络相结合构建组合预测模型,采用灰色关联法改进组合预测的权重系数。实例分析表明,改进的优选组合模型预测的准确度高于单一模型及传统的优选组合预测模型。

灰色系统理论与神经网络的色谱保留值预测模型研究

灰色建模允许样本点少,不要求样本有较好的分布规律,而且计算量少,操作简便。而BP网络在对样本进行学习时,会对输出误差进行反馈校正,具有并行计算、分布式信息存储、容错能力强、自适应学习功能等优点。本文将灰色预测建模和神经网络技术融合起来建立灰色神经网络组合模型,应用于色谱保留值的预测。实证结果表明:该组合模型精度方面比常规灰色模型要好;组合的算法概念明确,计算简便,有较高的拟合和预测精度。组合模型的提出拓宽了灰色模型的应用范围。

基于灰色RBF神经网络组合模型的交通量预测研究

根据新陈代谢灰色模型和RBF神经网络模型各自的特点,构造一种新陈代谢灰色模型与RBF神经网络模型组合的平面型模型,模型对无检测器公路的交通量具有较好的预测能力,并用实地调查的数据进行仿真和比较,验证此模型具有较高的精度,从而证明这一模型的可行性和有效性。

一个基于灰色神经网络组合的交通量预测模型应用研究

GM模型在预测中对历史数据作不同取舍时,其预测值并不相同,即这种预测结果将是一个预测值的区间,这就给预测人员的取舍带来一定困难。利用GM模型少数据建模和人工神经网络非线性逼近的优点把两种模型结合起来,用对历史数据作不同取舍的GM模型的预测值和纯神经网络的预测值作为组合神经网络的输入,由人工神经网络确定这些不同GM模型和纯BP网络的组合,实例验证得出更为准确的预测值,从而证明这一模型的可行性和有效性。