共查询到10条相似文献，搜索用时 15 毫秒
1.
2.
股票价格受众多不确定性因素影响。为更精准地预测股票指数,首先利用具有良好非线性寻优能力的遗传算法优化BP网络初始权值阈值设置,然后构建一个以开盘价、最高价、最低价、收盘价、成交量、收盘价近5日移动平均线MA等6个输入变量、以下一天6个变量为输出变量的股指预测模型。对观察期内上证综指实证研究表明,经遗传算法优化后的BP 网络对股票指数预测平均误差为0.1%,其中成交量预测值比单纯BP神经网络算法误差减少0.71%,同时收敛速度得到提高。 相似文献
3.
基于模糊观测数据的RBF神经网络回归模型 总被引：1，自引：0，他引：1
提出了一种基于模糊观测数据的RBF神经网络（FORBFNN）,用于解决一类输出不可精确测量但可用模糊隶属度来表征的非线性系统建模问题．神经网络模型中各隐层神经单元的权重系数采用一种新的模糊EM算法辨识获得;隐层神经单元的数量及径向基函数的中心和宽度基于一种数据驱动的方法自适应确定,即首先初始生成一个隐层单元,然后根据一定的规则逐步加入新的单元,该过程不断迭代直到模型满足预设要求．该方法同时考虑了模型的复杂度及预测精度．数值模拟实验结果表明该建模方法是有效的,且建立的模型具有较高的预测精度． 相似文献
4.
为了提高混凝土抗压强度预测精度,利用改进果蝇优化算法(IFOA)优化RBF神经网络的参数Spread值,建立IFOA-RBF预测模型用于混凝土抗压强度预测。模型以UCI数据库中的Concrete Compressive Strength数据集为例,以每立方混凝土中的水泥、高炉矿渣粉、粉煤灰、水、减水剂、粗集料和细集料的含量以及置放天数为网络输入,混凝土抗压强度值作为网络输出,进行仿真测试,并将结果与参考文献中的其它方法比较。结果表明:优化后的RBF网络既体现了广泛映射能力,又明显地提高了网络的泛化能力。验证了IFOA-RBF模型在混凝土抗压强度预测中的有效性。 相似文献
5.
传统的BP神经网络收敛速度慢,以及该算法的不完备性,易陷于局部极小,全局最优无法保证能收敛到等缺点.针对BP神经网络的缺陷,该文提出了遗传算法,利用遗传算法优化BP神经网络权值和阈值,使得训练了BP神经网络预测模型得到了最优解.采用遗传算法优化BP神经网络的算法,并以此结合算法来研究非线性函数拟合的问题.从实验结果表明,基于遗传算法优化的BP神经网络的非线性函数拟合具有较强的收敛性和鲁棒性,并且有了更高的预测精度. 相似文献
6.
应用神经网络集成模型,以空气湿度、温度、太阳辐射以及风速为输入,利用交叉验证方法确定网络隐层节点数,建立作物需水量的预测模型。实验结果表明,与单个神经网络与随机森林模型相比,神经网络集成模型能获得更好的预测精度,可用于节水灌溉。 相似文献
7.
胡万达 《四川三峡学院学报》2014,(5):60-63
针对当前区域物流需求预测数据复杂且可变性较大、预测方法环境适应性较差的问题,提出了基于遗传BP神经网络的区域物流需求预测模型。首先,分析区域物流需求预测影响因素,并建立区域物流需求预测指标体系;其次,采用遗传算法优化预测网络中的可变参数,并建立多输入—多输出的BP神经网络多元预测模型;最后,通过实例结果表明该模型具有较高的预测精度和有效度。 相似文献
8.
《浙江大学学报(A卷英文版)》2021,(10)
目的:生活垃圾焚烧炉主蒸汽温度为炉内燃烧调控的重点监控对象。本文旨在建立一种时域输入的主蒸汽温度神经网络预测模型,以实现主蒸汽温度未来5 min变化趋势的精准预测,并且使预测误差控制在1%以内。创新点:1.实现了主蒸汽温度的未来趋势预测,而非当前值预测;趋势预测的结果能提供操作人员一定的参考价值。2.提出了一种时域输入神经网络模型;该模型能够包含输入输出参数之间的延时特性,因此能获得更高的预测精度。方法:1.通过数据相关性分析与延时性分析,确定用于预测主蒸汽温度的输入变量,并减少模型输入层数据维度(表1);2.提出时域输入算法设计(公式(4)～(5)),构建时域输入主蒸汽温度神经网络预测模型,以实现主蒸汽温度未来5 min变化趋势的精准预测(图8);3.通过调整模型参数,优化模型结构;4.通过输入数据敏感度分析,得出对主蒸汽温度预测影响最大的变量(图14)。结论:1.本文提出的时域输入神经网络模型比传统神经网络模型的预测精度更高;2.时域输入主蒸汽温度神经网络预测模型在未来1 min内可以实现近零预测误差;3.根据输入数据敏感度分析可得,对于本研究的焚烧炉,主蒸汽温度本身的数据对于其预测的重要性最高;其次,高温过热器烟气平均温度对于主蒸汽温度远未来预测的重要性较高。 相似文献
9.
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
10.