共查询到20条相似文献，搜索用时 437 毫秒
1.
鉴于BP神经网络、RBF神经网络在城市供水量预测精度上的不足,利用粒子群算法优化两者相关参数,实现更高预测精度,并通过建立BP神经网络、RBF神经网络、PSO-BP神经网络、PSO-RBF神经网络分别对城市供水量数据进行仿真预测。最终测试样本统计结果显示：RBF神经网络比BP神经网络平均相对误差（MRE）低约1%,在拟合度（R2）上高约0.014;PSO-BP神经网络比BP神经网络在MRE上降低约1.25%,在R2上提高约0.05;PSO-RBF神经网络比RBF神经网络在MRE上降低约0.3%,在R2上提高约0.072。由此说明RBF神经网络比BP神经网络在城市供水量预测方面更有优势,并且利用粒子群算法优化神经网络模型参数可有效提升神经网络预测精度。 相似文献
2.
符保龙 《柳州职业技术学院学报》2009,9(1):81-85
针对BP神经网络的不足,采用PSO算法对BP神经网络进行优化,建立一个混合的神经网络洪水预测模型。实验仿真结果表明,该模型的预测效果优于传统的洪水预测模型。 相似文献
3.
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
4.
针对传统的联轴器传动效率测试方法耗时耗力的问题，构建了三叉杆滑移式万向联轴器，基于遗传算法优化的BP神经网络传动效率预测模型，并结合最优拉丁超立方法获取了试验样本，完成了对神经网络模型的训练与验证。研究结果表明：GA-BP神经网络模型的预测精度、收敛速度显著高于BP神经网络模型，且GA-BP神经网络模型的传动效率预测值与实际值之间的平均相对误差为0.038%，满足工程需求。GA-BP神经网络模型为联轴器传动效率的预测提供了一种有效的方法。 相似文献
5.
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
6.
针对造纸中段废水絮凝过程中zeta电位变化复杂,难以建立准确的数学模型的问题,提出利用神经网络对其中的zeta电位进行建模预测,研究了基于BP、Elman、RBF神经网络模型的多输入单输出建模方法。该建模法通过建立待测量zeta电位与絮凝剂投放量之间的非线性函数关系,间接得到待测变量的估计值。仿真结果表明RBF神经网络预测模型有较好的实时性和良好的泛化能力。与BP网络相比,RBF网络具有误差小、计算量小的优点,与Elman网络相比,具有周期短的优点,是一种有效的建模方法,能够快速、准确地在线预测废水中的zeta电位。 相似文献
7.
8.
9.
运用TRAINGDX训练函数对标准BP神经网络进行改进．根据2012年《四川省统计年鉴》相关数据,利用影响国内生产总值（GDP）的6个主要因素,借助Matlab软件平台,建立了6：5：1的三层BP神经网络GDP预测模型,实现四川省GDP值的预测．改进后BP神经网络预测相对误差在1％以内,仿真结果同模型外推法比较,预测精度较高． 相似文献
10.
神经网络在股市预测中的应用 总被引：1，自引：1，他引：0
针对股票市场的非线性、复杂性等特点,研究了RBF神经网络在股票价格预测中的作用,利用基于人工免疫遗传算法的BP神经网络对模型进行改进.提高了模型预测能力以及精度.并选取了上证180指数7年的数据进行了精度对比. 相似文献
11.
12.
13.
危锋 《荆门职业技术学院学报》2014,(2):49-54
网络控制系统中时延普遍存在,时延的有效预测对控制系统非常重要。为准确对时延进行预测,文章建立一个基于RBF神经网络的时延预测模型,运用Matlab软件对该模型进行仿真,采用归一化的方法对用于测试的数据集进行预处理,利用这些处理过的数据集对该仿真模型进行训练和测试,结果证明RBF神经网络能很好的预测网络时延。 相似文献
14.
分析了RBF神经网络在事故预测领域的适应性,提出了采用RBF神经网络建立道路事故预测模型．利用我国1990—2009年道路交通事故数据,运用RBF神经网络建立了非线性回归预测模型,并利用该模型预测了2000—2010年的道路交通事故死亡人数,结果显示该模型具有较高的可靠性,可为我国道路交通管理提供数据支持。 相似文献
15.
城市工业废气排放量变化是非线性的,同时具有复杂的随机性和趋势性特点,传统单一预测模型难以对其变化规律进行准确表达,从而导致预测精度较低。为提高城市工业废气排放量的预测精度,提出了GM-BP组合模型。通过GM（1,1）模型对城市工业废气排放量变化趋势进行预测,然后运用BP神经网络模型对GM（1,1）模型的趋势预测值进行误差修正,以提高预测精度。对南京市2007～2010年城市工业废气排放量进行的仿真实验表明,GM-BP模型的预测精度较高,能够应用于城市工业废气排放量预测。 相似文献
16.
在分析灰色预测模型GM(1,1)以及BP神经网络预测模型2种单一模型在电力消费量预测方面不足的基础上,提出灰色神经网络组合预测模型。以河北省电力消费量为基础,分别用3种模型进行预测,并加以比较分析。结果表明,灰色神经网络组合模型提高了关于河北省中长期电力消费量的预测精度,对河北省未来电力系统及能源需求规划具有一定参考价值。 相似文献
17.
以Gleeble-3500热模拟机得到的实验数据为基础,采用人工神经网络方法建立了添加混合稀土和锑的AZ31镁合金流变应力与应变,应变速率与温度对应关系的预测模型.仿真分析表明,BP神经网络模型具有较高的预测精度. 相似文献
18.
基于灰色神经网络串联组合模型的涌水量预测 总被引：1，自引：0，他引：1
利用矿井涌水量实测值建立灰色理论与神经网络串联组合的预测模型,即利用不同灰色模型预测值训练神经网络进行预测,提高矿井涌水量的预测精度,先后建立了GM（1,1）、二次参数拟合GM（1,1）模型,将其与BP神经网络模型串联形成最终预测模型,以淮南矿区潘三矿西翼矿井涌水量预测为例,结果说明了该模型具有较高的准确性。 相似文献
19.
由于灰色神经网络随机初始化网络的参数在使用灰色神经网络预测模型时,经常会出现在进化过程中陷入局部最优值和预测精度较低等问题.因此,提出采用粒子群优化(PSO)算法优化灰色神经网络的初始参数,建立了基于粒子群优化灰色神经网络的预测模型.使得在预测性能的稳定性上,明显优于单纯使用灰色神经网络模型.通过实验,对比分析了BP神经网络、灰色神经网络和PSO优化的灰色神经网络三种预测模型,结果验证了所提模型的有效性,从而进一步提高了灰色神经网络预测模型的精确度. 相似文献
20.
随着神经网络在数据分析、预测及生产控制中的应用,神经网络的优化学习成为研究的一个重要课题.通过探讨BP神经网络模型的建立过程,针对BP神经网络的模型优化问题进行了详细研究.并通过对银行客户分类的仿真实验证明,优化模型能够有效地提高BP神经网络的收敛速度及预测精度. 相似文献