灰色-BP神经网络模型预测区域气温

本文旨在提出更为准确的区域气温预测方法。预测试验基于我国广东省深圳市某一时间段内的气温数据,尝试运用了灰色-BP神经网络模型对未来648个时间点(规定1个小时为一个预测时间点)的气温情况进行预测。通过软件仿真得到预测结果,并对预测结果进行了定性评估。仿真发现,该预测方法兼具BP神经网络和灰色模型的特长,能有效提高区域气温预测的精度。

基于灰色-BP神经网络模型的短时交通量预测

短时交通量具有明显周期性、非线性的特点,为提高短时交通量预测的精度,笔者提出将灰色GM(1,1)模型与BP神经网络相结合的方法,并以上海市浦东新区陆家嘴东路真实数据为样本进行实验计算与对预测结果对比.该灰色神经网络模型GNNM(1,1)兼具两种模型的优势。实验结果表明,相较于传统的灰色GM(1,1)模型,灰色BP神经网络模型具有更高的预测精度,为预测短时交通量提供了一种新思路.

面向2035的高职高专教育规模与资源需求预测——基于灰色-BP神经网络模型研究

我国职业教育综合改革持续深化,高等教育普及程度不断提升,高等职业教育发展前景备受关注。研究基于1992-2021年高职高专教育规模及其影响因素发展情况,采用灰色-BP神经网络模型对2022-2035年高职高专教育规模和资源需求进行预测。研究发现:高职高专规模发展可能出现低增长、中增长和高增长三种模式,规模变化将经历波动增长、稳定增长和增长缓和三个阶段,规模扩张会导致经费、物资和师资供给的巨大压力。为此,研究建议积极观测高职高专规模发展影响指标的动态变化,实现高职高专教育规模的科学预测;向中增长模式靠拢制定高职高专发展规划,提供高职高专教育高质量发展的可能性;持续地加大高职高专财力、物力和人力资源供给,提供高职高专教育现代化的必要条件。

基于改进PCA-BP神经网络模型的海宁市需水预测

需水预测是地区水资源规划中的重要部分,对于实现水资源合理有序开发,保障社会经济的可持续发展有重要的指导意义。采用改进PCA-BP神经网络模型对影响需水量的9个影响因子进行降维处理,并分别以海宁市2001~2014、2015~2020年数据作为训练样本和检验样本完成模型训练,其中,综合灰色预测模型GM(1,1)对降维后的影响因子独立预测,从而预测海宁市规划年需水量,并与传统定额法的需水预测结果进行对比分析。结果表明,人口、GDP、居民生活用水量、城镇公共用水量为影响海宁市需水量的主要因子;通过构建改进PCA-BP神经网络模型得到的2025、2030、2035年需水结果,比传统定额法更为真实、合理,进一步证实了预测模型的合理性,可为海宁市未来水资源规划提供指导。

基于灰色关联-BP神经网络的吉县苹果产业物流发展分析

随着社会经济的快速发展,农产品物流在农业经济发展中扮演了重要的角色,应用SPSS软件,对吉县苹果产业物流进行了灰色关联-BP神经网络分析。采用灰色关联度分析了吉县的八个相关指标与其运输业增加值的关联度,得出苹果产量与当地苹果产业物流发展关联度最大;第二是农业机械总动力;第三是吉县公路建设的总里程,吉县公路的快速发展得益于“四好农村路”规划的实施。又考虑到在一定时期内吉县苹果产业物流面向的对象是从整个临汾市到山西省,所以进一步从山西省的角度应用神经网络模型探讨影响吉县苹果产业物流发展的指标,得出山西省居民的可支配收入对吉县苹果产业物流发展的重要性位居第一,紧跟其次的是农业补贴,农业机械总动力为第三,最后在此结果的基础上,对吉县苹果产业物流发展提出了一些建议。

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SSA-RBF神经网络的煤自然发火预测模型

为解决传统煤自燃预测模型预测状态单一和预测精度不高的问题,提出基于麻雀搜索算法(SSA)优化的径向基(RBF)神经网络煤自然发火预测模型。首先,采用程序升温试验分析煤样指标气随温度的变化特征,将煤自然发火过程按煤温分为缓慢(80≤t_(i)<120℃)、加速(120≤t_(i)<160℃)和激烈(t_(i)≥160℃)3个氧化阶段,同时分析这3个阶段指标气与煤温的灰色关联度;其次通过不同维度测试函数检验粒子群算法(PSO)、灰狼算法(GWO)和SSA算法性能;最后利用6个矿区数据验证基于SSA-RBF神经网络的煤自燃预测模型的优越性。结果显示,缓慢氧化阶段CO/ΔO_(2)、CO、C_(2)H_(4)这3种指标气体与煤温的灰色关联系数最大;而加速氧化阶段C_(2)H_(4)/C_(2)H_(6)、CO/ΔO_(2)、CO_(2)/CO_(3)种指标与煤温的灰色关联系数最大。3种不同维度函数的测试结果表明:SSA与PSO、GWO相比具有更好的全局搜索能力和稳定性,其收敛速度更快;神经元数量为5个、迭代次数为300次时,SSA-RBF神经网络预测模型对缓慢氧化和加速氧化阶段的预测准确性分别达到了99%和93%。

基于改进灰色神经网络的往复式压缩机振动趋势预测模型

往复式压缩机振动趋势预测是往复式压缩机状态识别的重要技术研究内容。针对往复式压缩机振动信号特征样本少、非平稳、非线性等原因,提出了基于改进灰色神经网络的压缩机振动趋势预测算法。该方法首先提取往复式压缩机振动特征,利用遗传算法优化灰色神经网络并建立预测模型,将振动特征作为模型输入,形成了往复式压缩机振动趋势预测新模型(GA-灰色神经网络模型)。对某往复式压缩机输入主轴轴承部位振动测试实验分析表明,新模型与灰色GM(1,1)模型、灰色神经网络模型相比,具有更高的预测精度。灰色GM(1,1)模型预测值与实际值相比,相对误差高达21%~27%灰色神经网络模型的预测误差为14%~19%;新模型与实际值吻合良好,相对误差小于12%,其预测精度最高,更适合用于往复式压缩机振动趋势的状态预测和评判。

基于灰色系统理论和神经网络的呼吸机故障预测模型的建立与研究

目的针对医疗设备故障有效数据样本少、模型预测精度低等问题,结合使用灰色系统理论与神经网络理论,建立两种基于灰色神经网络的呼吸机故障预测组合模型。方法介绍了GM(1,1)预测模型理论基础,根据最新信息优先原则结合重构背景值方法及建立GM优化的DI-GM。利用Levenberg Marquardt反向传播神经网络模型理论,建立并联式预测模型(PPM)和串联式预测模型(SPM)。使用福禄克Fluke117C数字万用表对南通市第一人民医院现行使用的某型号呼吸机马克涡轮供电电压进行采样,采样间隔5 min,采样时长120 min;同时收集并整理近年来呼吸机平均故障率作为研究数据集对4种模型进行建模、预测,并使用拟合度、均方根误差、自相关检验、残差序列异方差等对4种模型拟合和预测结果进行检验和评价分析。结果针对马克涡轮供电电压预测结果,PPM与SPM预测值均方根误差分别为2.230%、1.579%,平均绝对误差分别为0.323、0.225次,拟合度分别为0.793和0.890;针对呼吸机故障率的预测结果,PPM与SPM第9年、第10年预测值与实际值偏差分别为0.210、0.246台次和0.093、0.072台次;SPM对呼吸机马克涡轮供电电压与故障率预测效果更佳。结论灰色神经网络的呼吸机故障预测组合模型对马克涡轮供电电压与呼吸机故障率的预测精度优于单一预测模型,可为呼吸机及其关键性部件的预防性维护和更换提供参考,值得进一步探讨。

基于灰色BP神经网络的宁波舟山港集装箱吞吐量预测

为验证灰色BP神经网络组合模型在预测港口集装箱吞吐量预测中的有效性,以宁波舟山港为例,选取了2006-2020年港口集装箱吞吐量原始数据进行分析。首先运用灰色关联度法筛选出影响集装箱吞吐量的3个一级指标,共计13个主要因素;然后通过GM(1,1)模型得到主要因素预测值,再经BP神经网络训练后得到2021-2025年的港口集装箱吞吐量。实证结果表明,该组合模型预测拟合精度达到97.951%,预测效果较好,可对宁波舟山港未来建设和发展规划起到数据支持作用。

基于GA-灰色BP神经网络船舶备件需求预测模型

船舶维修备件的及时保障是船舶设备正常生产作业的保证,备件需求量的准确预测对于航运公司降低运营成本、提高管理效率起着至关重要的作用。文章从某船设备维修备件的历史数据进行分析,构建一种基于灰色模型的多层前馈(BP)神经网络模型,并采用遗传算法(GA)进行优化。首先对船舶设备备件需求影响因素进行分析,通过灰色模型确定备件需求的关键指标,并将结果作为BP神经网络的输入层,从而输出需求预测值。与灰色模型、GA-BP模型预测值对比发现,基于GA-灰色BP神经网络组合模型对于船舶备件的需求预测精度误差仅为0.147%。结果表明,使用GA优化可以提高灰色BP神经网络的预测精度,为船舶维修备件需求预测提供了一种新思路。

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。

基于灰色-BP神经网络模型的多情景交通用地需求预测——以长江中游城市群为例

为探索科学预测区域交通用地需求的合理途径,指导国土空间规划编制中交通用地规模的划定,拟通过灰色-BP神经网络模型识别主要社会经济影响因素,以长江中游城市群为例,在预测其远景交通用地需求规模的同时,基于城市群发展的阶段特征选取典型城市群样本设置3类情景,对不同情景下的交通用地需求分别进行预测。结果表明:1)城镇化水平、产业结构高度化程度和劳动力资源禀赋是当前影响长江中游城市群交通用地需求的主要社会经济因素。2)通过系统仿真试验对比不同方法的交通用地需求预测结果,可以发现基于灰色-BP神经网络模型的预测方法精度较高,误差较小,该预测方法对于区域交通用地规模的预测具有一定的适用性。预测得到的长江中游城市群2020和2030年交通用地需求分别为31.22万和49.07万hm2。3)不同情景下长江中游城市群交通用地需求预测结果存在明显差异,底线情景可作为划定交通用地规模的底限,一般情景可作为基准,极限情景可作为红线,长江中游城市群交通用地合理规模应以基准为参考,介于底线和红线之间。

基于灰色-BP神经网络组合模型的水位预测案例

为了提高水位预测的精确度,提出一种将灰色模型和神经网络模型相结合的灰色-BP神经网络预测方法。该方法通过分别计算灰色模型和神经网络模型预测结果的均方误差,按照误差计算权重并重新组合,得到最终的预测结果。研究证明,该方法比灰色模型和神经网络模型预测精度高,预报结果更加接近实测值。

基于灰色-BP神经网络理论的上染率模型研究

以活性黄3RE上染棉织物为例,首先利用灰色系统GM(1,1)和Verhulst建立起上染率-染色工艺单因素模型,再将其输出直接作为神经网络的输入,最终建立灰色-BP神经网络上染率-染色工艺多因素模型,其拟合值的相对误差小于1.3%,并通过实验验证,预测值的误差均在1.0%以内。验证结果表明,该数学模型精确度较高,能较准确地反映棉织物活性染料染色后的上染率,并可以满足预测上染率的需求。

基于灰色-小波神经网络模型的铁路路基沉降预测分析

铁路路基变形监测贯穿于整个项目的设计、施工和运行,因此其工后沉降变形分析对于安全化工程施工和管理具有重要的意义。该文结合工程实例,基于灰色模型、小波神经网络模型的相关理论对铁路路基沉降进行预测分析,数据结果表明两者预测效果均接近实测值,但组合模型比单一灰色模型预测精度质量有所提高,稳定性好。

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。

无偏灰色—BP神经网络组合模型在变形预测中的应用

在传统灰色预测模型和BP神经网络模型的基础上提出了一种新的组合模型来对变形监测中的沉降进行预测。运用无偏灰色-BP神经网络组合模型,兼顾了灰色预测模型计算样本少、计算简单和BP神经网络自组织、自适应的预测能力等优点,并通过实验结果证明,利用该组合模型方法预测结果的精度明显优于单纯的灰色模型和无偏灰色模型。

灰色DGM(2,1)与BP神经网络的组合预测模型研究

针对贫信息、不确定性,以及数据量少的问题,提出了一种灰色DGM(2,1)与BP神经网络组合预测模型。首先将原始数据分组建立灰色DGM(2,1)模型组,并得到每个模型组的拟合值,然后,将拟合值作为BP神经网络的输入样本,以原始数据为导师值训练BP神经网络,最后,使用训练后BP神经网络模型进行预测,从而高效利用数据。在预测养老保险缴费的场景下,灰色DGM(2,1)与BP神经网络的组合预测模型的预测平均误差降低0.012。仿真结果表明,该组合预测模型具有较高的预测精度和较好的稳定性。

基于灰色-BP神经网络的福州市年平均气温预测模型

年平均气温是反映气候变化的重要指标,随着全球气候变暖的逐步加剧,对未来气温的预测显得尤为重要.然而,目前采用线性关系的预测模型,在研究像气温这样波动性较大的对象且样本数量较少时准确性欠佳.灰色模型可以在少样本的情况下做出准确的预测,BP神经网络模型具有较强的非线性的优点,建立灰色-BP神经网络的组合模型,以福州市年平均气温为研究对象,对未来年平均气温的走势做出更为准确的预测,可为人们的生产生活提出合理的建议.