共查询到10条相似文献，搜索用时 15 毫秒
1.
降低数据的复杂程度,提取有效的信息,是采用神经网络预测地层出砂过程中的关键问题。采用主成分分析法,提取有效信息,求解出主成分,构建神经网络模型进行出砂预测。结果表明,得到的神经网络模型消除了输入因子的相关性并简化了网络结构,能达到较高的预测精度,为影响因素多且机理较为复杂的出砂预测的神经网络建模提供了一个有效的方法。 相似文献
2.
3.
建立高精度水量预测算法模型,有利于水资源充分利用。以北京市2002-2015年需水量为例,对数据进行相关性分析后选出主要影响因素,然后采用主成分回归法、逐步回归法、灰色模型以及BP神经网络共4种方法进行建模,并用北京市2016年和2017年数据进行模型精度验证。结果表明：4种方法都适合用于城市需水量预测,其中主成分分析和逐步回归分析两种方法主要考虑了多元线性回归存在多重共线性,但是逐步回归模型优于主成分回归模型。将4种模型进行对比验证,BP神经网络模型预测精度最高,平均相对误差达到0.79%,用来预测2016-2017年需水量,预测结果分别为38.66亿m3、39.49亿m3,适合作为城市需水量预测方法。 相似文献
4.
安宁 《深圳职业技术学院学报》2011,10(1):28-31
运用人工智能原理,提出一种基于主成分分析法（PCA）与自适应神经模糊推理系统（ANFIS）的黄土湿陷系数预测方法．首先通过主成分分析对黄土的物理指标提取主成分,以消除变量间的相关性和减少模型输入量的目的;再利用神经网络的高自适应性和模糊推理系统的推理能力建立ANFIS模型,提出一种新的黄土湿陷性预测方法．通过实测数据和预测数据的对比分析,平均误差0．29％,最大误差20％,在工程上可以接受的范围,实例说明这种预测方法是可行的． 相似文献
5.
为提升互联网金融行业贷款人决策的直观性与层次性,提出一种信用分级模型。对历史样本的信用评价指标进行主成分分析,提取关键信息。利用 Logit 回归模型得到“是否违约”和“评价指标主成分”的关系,依据回归方程所得的“违约概率”对借款人进行信用分级。采用遗传模拟退火算法（GSAA）改进的 BP 神经网络,学习“等级”和“评价指标”间的映射规则。利用 Kaggle 网站信用数据集进行实验,结果表明,Logit 回归结果可信度高,“依概率分级”区分度高,GSAA 算法可有效提升 BP 神经网络的精准分级率。分级模型在测试样本上的可信度为 99.02%,优于二值分类和指标赋权模型,可有效降低贷款人资金风险,推动互联网金融行业高质量发展。 相似文献
6.
7.
在商品推荐领域,商品评论信息往往难以得到有效利用。为了充分利用商品评论信息,提高商品推荐系统精度,对 NCF 神经网络协同过滤模型进行改进,将 NCF 模型与 Inception 结构的卷积神经网络相结合,提出基于 Inception 结构的神经网络协同过滤方法（NCF-i 模型）,将商品评论信息融入模型进行预测和推荐。首先基于 Inception 结构的卷积神经网络对商品评论信息进行分析并提取多元特征模型,然后将多元特征模型添加到 NCF 模型中,通过多层全连接层获取用户、商品及商品评论之间的非线性关系,最后基于此非线性关系对商品进行预测和推荐。通过基于真实数据集的实验证明,应用 NCF-i 模型的推荐算法,推荐系统的预测精度和稳定性均优于当前常用的推荐模型。 相似文献
8.
《中学生数理化(高中版)》2019,(10)
<正>针对郑州市未来水资源需求量的预测问题,基于2001—2016年间的郑州市需水量数据,利用主成分分析法从9个影响水资源需求量变化的因素中提取5个主要影响因子,将此作为输入样本构建BP神经网络模型,通过学习训练预测出2017—2020年郑州市水资源需求量,预测结果表明郑州市的水资 相似文献
9.
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
10.
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