灰色人工神经网络组合预测模型及其应用研究

将GM(1,1)模型与BP算法相结合建立灰色人工神经网络组合模型应用于GDP总量的预测。以安徽省1992-2007年的数据为例,对2005至2007年的GDP总量进行检验性预测,结果表明灰色人工神经网络组合模型大大提高了预测精度.

灰色优化GM(1,1)和人工神经网络组合模型的江西省GDP预测应用

为了提高GDP的预测精度,结合灰色系统和人工神经网络的各自优势,建立灰色人工神经网络组合预测模型。该模型既具有灰色优化GM(1,1)模型适用发展系数范围较大的优点,也融合了人工神经网络在不确定因素预测方面的优点。最后以江西省GDP的预测为实例,对比了单独的灰色优化GM(1,1)模型与组合模型的预测结果,结果显示组合模型的预测精度较高。

灰色人工神经网络人口总量预测模型及应用

针对单一指标进行人口总量预测精度不高的问题,基于灰色系统理论和人工神经网络理论,用1990年至2004年中国人口总量序列建立并训练一个多指标的灰色人工神经网络人口总量预测模型。对2005年至2007年的人口总量进行检验性预测,结果表明灰色人工神经网络模型大大提高了预测精度。

应用小波-人工神经网络组合模型研究电力负荷预报

针对负荷时间序列的非线性和多时间尺度特性,提出了将小波分析与人工神经网络相结合进行负荷预报的方法——小波-人工神经网络组合模型。该模型吸取了小波分析的多分辨功能和人工神经网络的非线性逼近能力。以月、日平均负荷预报为例对模型进行验证,结果表明:该模型的拟合、检验精度较高。

电力市场营销组合策略的人工神经网络模型

神经网络系统是由大量结构和功能十分简单的处理单元即神经元广泛互连而成的高度复杂的非线性动力学系统。以人工神经网络理论为基础,运用单隐层神经网络结构算法,建立了营销组合决策的神经网络模型。以区域电力市场为实例,对建立的神经网络模型进行多次训练,结果证明模型计算值与实际值十分接近,从而说明了该模型具有较好的适用性。

基于人工神经网络的土石坝沉降组合模型

影响土石坝沉降的主要因素是时效变形,目前常用的统计模型中时效分量主要采用指数模型和对数模型,但在某些工程实际中两子模型的拟合值与实测值偏差较大。文中在统计子模型基础上研究了一种基于人工神经网络的土石坝沉降组合模型,用于对土石坝沉降的拟合和预测,并给出实例。结果表明,组合模型较好地发挥了神经网络的非线性映射能力,并比统计子模型的拟合效果好。

组合模型信息的人工神经网络集成

提出组合模型的概念和用人工神经网络建立组合模型的方法。通过模拟信号和工程实际信号组合模型的建模实例说明，用人工神经网络建立组合模型是可行的，而且建立的人工种经网络组合模型使用方便，在工程实际中有更好的工作特性。

基于LSTM人工神经网络的电力系统负荷预测方法

针对电力市场环境下短期电力系统负荷预测准确性较低的问题,提出了一种基于LSTM人工神经网络的组合预测模型。分析了LSTM神经网络和其变体GRU神经网络在进行负荷预测时学习时序特征的独特优势,并以卷积神经网络作为负荷数据的特征提取层,结合GRU网络构建了组合模型,通过建立残差预测模型对结果进行修正。仿真结果表明,具有记忆功能的神经网络预测效果要优于ANN和SVM模型,且所提出残差预测模型的负荷预测平均相对误差约为1.79%,其准确性高于单一算法的负荷预测模型。

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。

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。

基于参数优化的人工神经网络的AZ31镁合金力学性能预测模型

通过力学性能试验测定了不同退火条件下AZ31镁合金的抗拉强度、屈服强度和延伸率,并利用人工神经网络技术建立了对应力学性能的预测模型,其中对模型的优化采用了一种新方法,即参数全排列组合训练。结果表明,基于全排列训练得到的最优参数建立的网络模型具有优良的性能,比经传统试探法构建的模型具有更高的平均相关系数和更低的平均误差,因此能更准确地预测AZ31镁合金在不同退火条件后的力学性能。

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.

基于人工神经网络的模型择优预测方法及应用

针对组合预测中各模型权重难以合理确定的问题,根据"择优取用"原则将组合预测问题转化为一种模式识别问题,并采用非线性映射能力很强的改进BP人工神经网络方法进行该问题的求解。实例表明,这种择优预测方法不仅有效避免了传统组合预测模型权重的繁琐计算,而且能集各模型所长,概念清晰,计算简便。该法作为变权重组合预测方法的一个特例,在灾害风险预测等中有较高的实用价值。

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。

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。

基于灰色系统和人工神经网络的中长期电力负荷预测

利用灰色预测需要样本数据量少、建模过程简单的特点对中长期电力负荷进行前期预测 ,结合人工神经网络对大量非线性、非精确性规律具有自适应和自学习能力的优点 ,在考虑经济因素的前提下对输入数据进行预处理 ,采用改进的BP算法最终得出预测结果 ,文中的算例表明了该方法是可行且有效的。

灰色人工神经网络在稻瘟病发生预报中的应用

针对稻瘟病在水稻生长过程中存在的严重危害,基于四川资中地区1998—2008年的稻瘟病发生资料,运用灰色人工神经网络的方法(GBP),建立了稻瘟病发生的预报模型,结果表明:灰色人工神经网络模型的平均相对误差为0.0946,远远优于GM(1.1)模型的1.8857。灰色人工神经网络模型可以拟合任意一种函数关系,且该模型信息利用率高,避免了系统数据辨识方法在序列累加时因正负抵消而产生信息失真的现象。灰色人工神经网络模型的拟合和预测精度较高,可以用于该地区稻瘟病发生的预测工作。

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。

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。

基于参数优选的人工神经网络的Mg-Al-Ca系铸态合金晶粒尺寸预测模型

基于全排列组合训练优选的建模参数,建立了铸态Mg-Al-Ca系合金的人工神经网络晶粒尺寸预测模型。对比传统试探法参数所建模型,该模型具有更高的平均相关系数和更低的平均误差,对检验数据的平均预测误差为6%。此外,通过模型预测了不同Al、Ca含量对Mg-Al-Ca系铸态合金晶粒尺寸的影响。结果表明,当Al含量在2.0%～3.0%、Ca含量在2.5%～3.5%时,可获得晶粒较小的Mg-Al-Ca系铸态合金,其尺寸约为150μm。预测结果和实验结果相吻合。