共查询到20条相似文献，搜索用时 15 毫秒
1.
与现有预测方法比较,神经网络在混沌时间序列预测中具有优势。利用RBF神经网络对混沌Lorenz时间序列的预测进行仿真研究,仿真结果表明：在单步直接预测、单步间接预测、多步直接预测和多步间接预测中,多步间接预测是其中最有效的方式。 相似文献
2.
神经网络在经济预测中的应用 总被引：1，自引：0，他引：1
马尽文 《中山大学学报论丛》1996,(5)
对神经网络理论在时间序列建模和预测中的应用进行了探索．对基于ＢＰ网络及ＫＲＢＦ网络的预测模型进行了分析，并通过对股票价格序列模拟试验得出神经网络对非线性时间序列的预测较传统方法具有一定的优越性．同时神经网络预测模型具有自适应学习和并行处理功能，并可应用于多维时间序列．对经济预测具有重要意义 相似文献
3.
提出了主成分分析(PCA)和局部线性嵌入降维方法(LLE)组合的优化RBF神经网络降水预测模型,首先利用主成分分析(PCA)和局部线性嵌入降维方法(LLE)组合对众多气象物理因子降维提取有效因子,再将这些综合有效因子组成的特征空间矩阵作为优化的RBF神经网络的输入矩阵,从而建立网络模型.以此对广西5月三个不同区域平均日降水量进行预报实验,结果表明,该模型具有较好的收敛效果和泛化能力,在预报性能上明显优于同期的T213降水预报、PCA预报、LLE预报,预报稳定性好,预报准确率较高,具有一定的普遍适用性. 相似文献
4.
本文首先对于影响安徽省货运总量的不同因素进行相关性分析,通过分析揭示安徽省物流需求的构成和主要影响变量.其次通过多元回归时间序列模型对于未来三年的货运总量进行预测,为安徽省下一步更好地调整物流网络布局和推进现代物流业发展提供必要的数据帮助. 相似文献
5.
利用主成分分析(PCA)对影响因子进行筛选后,再利用LSSVM进行建模和预测,由此得到了一种新的时间序列预测模型(PCA-LSSVM)。以甘肃省天水市的胆囊炎发病率为例,应用PCA-LSSVM预测模型进行实证分析,结果表明,此模型的预测精度优于PCA-MLR,ARIMA,LSSVM等参比模型。 相似文献
6.
针对传统的单个RBF神经网络集成中个体的隐节点个数和初始参数难以客观确定的不足,为了提高泛化能力,提出一种以高斯核函数的混合优化的RBF神经网络的方法,首先引入正交最小二乘法动态客观的获取数据中心的个数、数据中心及权值;然后通过计算隐层中心点间最小距离作为扩展常数;最后使用剃度法调节权值、中心及扩展常数使网络参数和结构达到最优.该方法结合了正交最小二乘法和剃度算法的优点,通过从结构和算法两方面的调整提升了单个的传统的RBF网络的性能.并将上述优化混合的RBF神经网络与主成分分析方法相结合建立模型.本文以广西5月逐日降水事先初选的众多预报因子进行主成分分析算法提取有效的几个综合因子,然后使用混合算法优化的径向基网络建立降水预测模型.结果表明,该模型具有较好的收敛效果和泛化能力,在预报性能上明显优于同期的T213降水预报,具有一定的普遍适用性. 相似文献
7.
《绵阳师范学院学报》2021,(2)
目的:针对现有信息安全评估算法的准确性和鲁棒性不足,以及评估效率的低下,本文提出一种新型带门限回归单元的循环神经网络(GRU-RNN)信息安全评估算法.方法:该算法首先提取信息安全评估中的内外安全态势特征,然后将特征应用至GRU-RNN时间序列分析网络中,通过对该时间序列分析网络模型的训练和交叉验证,完成对网络信息安全的评估.结果:在林肯实验室的DARPA数据集上进行仿真实验,相比于传统网络安全评估算法,本文提出算法获得了更高的评估准确率和鲁棒性.尽管GRU-RNN模型需要更多的训练时间,但是能够保证更好的评估结果,并且适合不稳定的信息安全数据评估.结论:本文提出的内外安全态势特征能够很好的描述时间序列数据中的信息安全特性,并且应用GRU-RNN模型能够应对非平稳数据,同时提升了信息安全评估的准确率与鲁棒性. 相似文献
8.
应用灰色系统理论计算了铁路货运量与货运量影响因素的关联度,并对其进行了排序。利用MAT-LAB软件,建立铁路货运量的RBF神经网络预测模型,对我国1992-2008年的铁路货运量进行仿真实验。结果表明基于灰色系统理论的RBF神经网络模型预测平均相对误差为0.44%,常规RBF神经网络模型的平均预测误差为1.47%,因此认为基于灰色系统理论的RBF神经网络的铁路货运量预测方法有效可行。 相似文献
9.
王晨曦 《Journal of Zhangzhou Technical Institute》2009,11(4):1-3
由于传统的时间序列预测是基于单因素,在实际应用中有许多不足,应用灰色GM（1,1）模型对单因素时间序列的预测綦础上,结合灰色关联分析原理,提出了建立多因素时间序列的灰色预测模型,该模型不仅克服了时间序列的随机因素影响,而且．综合考虑影响事务发展的多种因素。实验结果表明,该模型有效地提高预测精度。 相似文献
10.
《实验室研究与探索》2019,(10):36-39
针对风电场输出功率表征的周期性及随机、间隙、非平稳特性,提出一种小波变换(Wavelet Transform,WT)和径向基神经网络(RBFNN)相结合的风功率预测方法,并引入平均温度、相对湿度及降雨量等气象因素预测未来一段时间的风电功率输出。小波分解能有效地表征风电场输出功率时间序列的局部特征;人工智能方法可以捕捉到风力发电中的非线性特性。引入气象因素的WT和RBF神经网络预测方法能有效地提高预测准确度。以平均绝对误差和均方根误差为预测评价指标,与RBF神经网络方法相比,提出的小波变换和RBF神经网络预测方法具有更好的预测效果,从而可减少风电波动性对电网的影响,提高电网的安全性和可靠性。 相似文献
11.
杨洁 《柳州职业技术学院学报》2013,13(3):32-36
针对RBF网络易于陷入局部最小值和网络训练时间过长的问题,引入免疫多克隆遗传算子对RBF网络的权值进行优化。仿真结果表明,采用优化后的网络模型具有更高的分类效率和准确率。 相似文献
12.
GM(1,1)-ARMA(n,m)预测模型及应用 总被引：1，自引：0，他引：1
GM(1,1)模型是以灰色系统理论为基础的预测模型,而ARMA(n,m)是以时间序列为基础的预测模型.由于二模型各具其特点,并各有局限性.但二者能取长补短.文献[1]给出了混合模型GM(1,1)-ARMA(n,m),但在具体预测时由于运算量大,没有合适的计算机处理程序使之显得不方便.本文根据其原理,完善了计算方法,给出了预测公式.经过例子验证,结果是理想的. 相似文献
13.
为确保水产品冷链物流供需双方信息对称,降低供应链中断风险及供需不匹配造成的浪费,水产品冷链物流需求预测显得尤为关键。选取影响水产品冷链物流需求的18个因素并用灰色关联法(GRA)筛选验证,运用主成分分析法(PCA)提取主要特征,通过粒子群算法(PSO)优化的径向基神经网络(RBF)构建PCA-PSO-RBF预测模型,对水产品需求预测,并与PCA-PSO-BP、PCA-RBF、PCA-BP、SVM、BP模型对比。结果表明,构建的PCA-PSO-RBF预测模型具有较强的非线性系统处理能力与全局寻优能力,对小样本多特征的数据具有较好包容性和预测精度,通过MAE/RMSE/MAPE预测误差评价验证了PCA-PSO-RBF预测模型的有效性及优越性。 相似文献
14.
提出了一种新的时间序列组合预测模型（PCA-BPNN模型）,即先利用主成分分析方法对原输入变量的空间进行重构,然后借助于各主成分对总体样本的贡献率来确定网络结构.最后利用1999年1月至2005年12月甘肃省天水市胆结石发病率的资料验证了该方法的有效性. 相似文献
15.
为深入了解全球变暖缘由及影响,探究变暖是否停滞,考虑地球吸热、散热及海洋温度变化等因素,构建一种全球温度预测模型,预测未来25年温度变化。采用主成分分析法找出贡献度较大的3个主成分,再用3组灰色预测模型预测海洋平均温度、二氧化碳排放量、太阳长波辐射等8个变量,并进行光滑比、级比和残差检验。结果表明,预测符合前29年（1990-2018年）时间序列图规律,用历史数据训练BP神经网络,然后把8个变量的预测值代入神经网络,拟合优度为0.922 72,精度非常高,可以看出全球平均温度距平序列越来越大,说明温度正逐渐升高,而不是停滞。 相似文献
16.
许云霞 《商情·科学教育家》2013,(38)
商品房价格一直是社会关注的焦点问题.影响商品房价格的因素很多,既有宏观因素,也有微观因素.文章在商品房价格影响因素分析的基础上,通过灰色关联分析模型和灰色GM(1,1)预测模型,建立了福州市商品房价格的分析模型和预测模型,并对福州市未来商品房价格进行模拟预测,得出预测区间[13618.87,14136.77]元/m2. 相似文献
17.
时间序列分析在水文预报中起重要作用 ,其关键是要建立一个合适的预报模型 .文章提出基于 BP算法的单输出和多输出水文预报时间序列神经网络模型 ,克服了以往多种基于随机分析预报模型的缺点 ,不仅能实现快速灵活的信息处理 ,而且具有很强的非线性映射和自学习、自适应能力 ,这为更精确描述复杂非线性水文过程提供了可能 .通过对历史数据的学习 ,模型可对水文径流量时间序列进行预报 ,两个实例分析表明模型的可行性和有效性 相似文献
18.
基于去趋势波动的温度记录分析 总被引：1，自引：0，他引：1
霍玉洪 《楚雄师范学院学报》2009,24(3)
天气的持续性是众所周知的现象.热天之后是热天的可能性比是冷天的可能性要大的多,反过来也一样.本文研究天气变化的长期持续性,以s天为间隔的温度方差的相关系数c(s)服从一个幂函数c(s)∝s-r.而DFA是一个在时间序列分析中很好的长期相关性预测的方法,高阶DFA的偏差在小的时间尺度内不断增强.对于短期的非稳态时间序列,揭示一个模拟DFA方法来消除数据中的这种趋势.通过对某地区近7年的温度记录分析,发现指数大约为0.68,说明未来100年全球变暖将没有模型预测的那么显著也不能排除. 相似文献
19.
集装箱量预测的BP神经网络方法 总被引：2，自引：0，他引：2
陈军飞 《南京晓庄学院学报》2002,18(4):65-68
介绍了BP神经网络的基本理论 ,建立了集装箱运量时间序列的BP神经网络预测模型。并将此模型应用于上海港集装箱运量的预测。结果表明 ,与传统的预测方法相比 ,该方法具有较好的非线性自适应能力和预测精度 相似文献
20.
王焱 《桂林师范高等专科学校学报》2006,20(2):150-153,156
应用RBF(Radial Basis Function, 径向基函数)人工神经网络进行电力系统短期负荷预测.考虑了天气、经济、节假日等因素对电网负荷的影响,将负荷按照每周各日分类,共七种模式,学习样本选取每周中的相同类型日.在预测前还对原始数据中的伪数据进行剔除,提高了预测的精确度.利用从湖南省双峰电力局收集到的负荷数据进行网络模型的训练,所得结果表明了RBF网络对于负荷预测是有效性的. 相似文献