共查询到19条相似文献，搜索用时 546 毫秒
1.
2.
3.
对时间序列的预测是一项重要的数据挖掘技术。本文将独立分量分析方法和小波神经网络相结合,建立一种ICA—WNN预测模型,并应用于风力发电功率时间序列预测。仿真结果表明所建模型具有较好的泛化性能,得到了较高的预测精度。 相似文献
4.
《科技通报》2017,(9)
水质的时间变化趋势预测是进行水环境管理的前提,预测模型在很大程度上决定了预测精度的高低,如何选取有效的时间序列水质预测模型是目前的研究热点之一。以平西湖为研究对象,根据2009-2011年间TN、TP和CODMn月监测数据,提出了一种基于ARIMA和RBF-NN的组合模型,该模型能同时反映水质的渐变性和非线性变化的特点,最后用5个精度评价指标对组合模型的预测结果进行了评价,并和基于ARMMA和时间序列神经网络预测模型的预测结果进行了比较。结果表明,大部分指标显示ARIMA/RBF-NN组合模型对受内生变量影响较大的TN、TP的预测效果最好,ARIMA模型对受外生变量影响较大的CODMn的预测效果最优。 相似文献
5.
目前城市大气污染问题日益严重,为了更好的解决城市大气污染预测的准确性不足的问题,本文提出了一种基于时间序列和人工神经网络的城市大气污染预测模型。首先使用时间序列的方法对采集的数据进行统计,再将统计结果作为样本输入人工神经网络模型,然后将神经网络训练后得到的样本数据采用趋势外推法进行预测分析。仿真实验结果表明,本文提出的基于时间序列和人工神经网络的城市大气污染预测模型的预测结果与实际结果相当接近,本方案切实有效,值得推广使用。 相似文献
6.
根据Kolmogorov连续性定理,本文建立了混沌—神经网络(C-ANN)预测模型;提出了基于遗传算法和神经网络的混沌预测模型与方法(C-ANN-GA混合预测方法);解决了混沌时间序列的非解析式预测问题;使混沌时间序列预测方法得到了新的改进和发展。 相似文献
7.
针对单一预测模型都存在各自优缺点的问题,本文提出时序回归GM-SVM模型,以达到最优的变形预测效果。首先对灰色模型中的灰参数导致的时间序列残差进行研究,形成时间序列模型,根据时间序列模型对其残差进行最优化设计,获取时间序列估计模型,并将该模型与支持向量机进行无缝融合以建立新的预测模型,然后根据该预测模型对观测的大坝变形影响因子进行训练和预测,并将预测结果与实际的变形值进行对比分析,经过实例分析确定该模型的预测结果更加接近实际观测值,说明该模型更加适用于基于大坝变形影响因子的变形分析。 相似文献
8.
BP神经网络图书文献经费预测模型 总被引：4，自引：0，他引：4
旨在应用BP神经网络的函数逼近功能,建立一维时间序列数据图书文献经费的预测模型。基于MAT-LAB6.5BP神经网络训练,得出的预测结果与各个示例的实际数值比较吻合。测试样本的训练结果表明,该模型适用于图书文献经费预测。 相似文献
9.
研究了VNNTF神经网络交通流量混沌时间序列预测的问题。首先，通过混沌理论提取了交通流量时间序列的混沌特征，并在此基础上建立了VNNTF神经网络交通流量时间序列模型；接着，阐述了VNNTF神经网络学习算法原理．设计了交通流量Voltem神经网络的学习算法快速学习算法：最后利用交通流量混沌时间序列对VNNTF网络模型、Voherra预测滤波器和BP神经网络进行了单步预测，并对预测结果的仿真图和真实值与预测值的方均根进行了比较，结果表明基于混沌学习算法的VNNTF神经网络的预测性能明显优于Volterra预测滤波器和BP神经网络。 相似文献
10.
《内蒙古科技与经济》2017,(13)
以金融时间序列(1990年~2014年上证指数)为研究对象,金融时间序列数据本身带有较大的波动性,有高频和低频的数据情况贯穿于整个时间序列。小波分析对于数据降噪较于传统的降噪方式有着明显的优势,分析对比小波变换在处理两种不同波频情况下的优势和方法。采用其适合小波分析和神经网络相结合的组合模型对其进行分析和预测,其思想是,先将时间序列进行小波分解,得到各级小波变换序列和尺度变换序列。根据不同级小波变换系数的情况,选择合适的神经网络训练函数建立预测模型,得到各级小波变换序列和最后一层尺度序列,运用小波重建技术得出原时间序列的预测值。最后和常规的BP神经网络比较预测效果。 相似文献
11.
在电离层风暴期,现存的电离层F2层临界频率预测方法不能满足实际应用的要求。根据磁层ap系数和太阳黑子月均值作为风暴期训练序列,本文提出了一种基于神经网络的电离层F2层临界频率预测新方法。模拟结果表明,这种新方法比现有的预测方法（STORM模型和Cander提出的神经网络方法）具有更好的预测性能。 相似文献
12.
改进BP算法的辽宁省人均GDP预测研究 总被引：2，自引：0，他引：2
由于人均GDP时间序列具有复杂和非线性的特征,传统预测方法在预测分析时往往会产生很大的误差.运用Matlab软件采用不同的改进BP算法来建立和训练网络预测模型,以观测不同算法的精度和有效性;最后运用预测模型对辽宁省人均GDP进行了预测. 相似文献
13.
文章提出了将小波函数引入神经网络预测模型,对一个具有非线性、时变性、大滞后性特点的地铁站台内的CO2含量进行预测控制。而小波神经网络系统结合了小波分析和传统神经网络的优点,且可不断吸收环境新信息,有良好的函数学习能力和推广能力。最后实现了对具有大干扰性、大滞后性和不确定随机干扰因素的CO2含量进行了精确预测。 相似文献
14.
从资源匹配视角构建战略性新兴产业人力资源需求数量预测指标体系,运用灰色关联度分析筛选关键指标;运用灰色理论、神经网络和集成学习,构建GBP-Bagging网络模型,对山西省2015-2020年战略性新兴产业人力资源需求数量进行预测。结果表明：“十三五”期间,山西省战略性新兴产业人力资源需求数稳步增长;GBP-Bagging网络模型有效克服了单个BP神经网络在小规模数据集上的局限性,获得了比BP神经网络和灰色预测模型更为准确的预测结果;为应对产业人力资源需求增长所带来的压力,山西省应当加大人才培养力度,健全人才引进机制,在增加人才数量的同时,把控人才质量关,加强与周边地区的人才交流与沟通。 相似文献
15.
神经网络和传统线性模型结合为处理混沌时间序列提供了新的途径。将Elman神经网络和单整自回归移动平均模型结合起来,同时分析我国进出口贸易量时间序列中的线性和非线性两部分,得到更准确的预测精度。实证表明,复合模型吸收两类方法的优点,较单一模型能够更有效地预测我国进出口数据。 相似文献
16.
利用邻域粗糙集对属性进行约简,得到由财务指标和非财务指标构成的预警指标体系。将其作为神经网络的输入变量对我国上市公司财务状况进行预测。实证研究表明,模型能有效剔除冗余信息,避免传统粗糙集模型因数值离散化带来的信息丢失。在大大缩短训练时间的同时,模型的预测精度达91.7%,高于同等条件下神经网络模型、Logistic模型。 相似文献
17.
18.
神经网络经济预测法研究 总被引：10，自引：0，他引：10
本文在多层BP神经网络的基础上，结合经济类时间序列的特点，采用特殊的处理方法，建立通用的经济预测神经网络模型，并利用此模型对安徽省某一经济数据加以预测。特殊的处理方法包括前置处理、单维时间序列扩展输入节点设计、训练区数据与试验区数据划分、误差自相关神经元节点的引入，以及后置评价处理。实际的预测结果表明了该方法的先进性和可行性。 相似文献
19.
为克服传统方法的局限性，本文尝试以企业竞争情报内容和情报搜集活动过程作为情报搜集成本分析的基础，在此基础上引入BP神经网络进行预测，并用部分样本数据验证对比了线性回归分析法和BP神经网络的预测结果。验证结果表明，BP神经网络预测模型用于情报搜集成本的预测具有较高的预测精度。 相似文献