共查询到16条相似文献，搜索用时 281 毫秒
1.
《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
2.
为了提高灰色GM(1,1)模型在城市用水量预测中的精度,结合BP神经网络的优点,给出了两种灰色-神经网络组合模型GM-BP1和GM-BP2.模型1利用神经网络对GM(1,1)模型的误差序列进行回归训练,将得到的预测值作为原始误差的修正来减小误差;而模型2由部分数据建立了GM(1,1)模型组,通过神经网络训练得到部分数据GM(1,1)模型组与真实值之间的非线性映射关系,利用这种精准的映射关系来提高预测精度.最后实际算例表明了所给方法是有效的,该组合模型可用于城市用水量的中长期预测. 相似文献
3.
为了提高大坝变形分析模型的预测精度并检验模型的泛化能力,研究了大坝变形分析的BP神经网络模型,并基于神经网络BP算法和传统的统计模型建立了大坝变形分析的融合模型．结合陈村大坝多年的变形观测数据,对上述3种模型进行了试算及分析．分析结果表明,统计模型的平均预测精度为±0．477mm．BP神经网络模型的平均预测精度为±0．390mm,融合模型的平均预测精度为±0．318mm,相比统计模型和BP神经网络模型分别提高了33％和18％,且泛化能力较强,具有广泛的适用性． 相似文献
4.
建立有效的空气质量指数预测模型,可以为个人出行及相关部门治理大气污染提供指导。选取北京市的历史空气数据以及气象数据作为研究对象,建立基于BP（Back Propagation）神经网络和SVR（Support Vector Regression）支持向量机回归的BP-SVR组合预测模型。首先利用灰狼优化算法分别对BP模型和SVR模型参数进行寻优;然后运用该组合模型对空气质量指数进行预测。实验结果表明,BP-SVR模型的平均绝对百分误差、均方根误差、平均绝对误差均小于单一预测模型,分别为0.217 5、37.032 0、25.157 5。BP-SVR组合模型具有更高的预测精度,泛化能力更强,可以对空气质量指数进行有效预测。 相似文献
5.
利用MATLAB编程软件,分别建立BP神经网络和AR模型,采用全国出生率,死亡率,老年抚养率等9个指标作为样本,分别对BP网络和AR模型进行训练,预测5年后的人口数量.结果表明这两种方法预测人口均是可行的,效果较好,误差很小,但是AR模型较适合线性预测,而BP网络适合较非线性预测. 相似文献
6.
7.
巨旭平 《连云港职业技术学院学报》2009,22(1)
用灰色GM(1,1)预测模型和BP神经网络预测模型相结合而成的灰色神经网络GMBP模型,对图书馆借阅人数进行预测.基本思路是运用灰色GM(1,1)模型所得到的预测值按前两年来预测下一年的组合规律分别作为BP神经网络的输入输出,并用对模型进行学习验证.该模型有效地把灰色理论的弱化数据波动性的优点和神经网络非线性特点结合起来,并以科学预测为依据提出图书馆资源管理对策. 相似文献
8.
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
9.
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
10.
张宁 《福建工程学院学报》2017,(4):367-370
提出将一种进化的神经网络模型——极限学习机应用于短期电力负荷时间序列预测中,该方法具有模型参数设置少、训练速度快和良好的泛化能力等明显优点。通过实例分析表明该模型的预测精度要优于BP神经网络模型,同时也验证了该模型应用于短期负荷预测的有效性和可行性。 相似文献
11.
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
12.
采用BP神经网络建立灰铸铁钻削过程的切削能耗与切削参数之间的关系模型,并建立三元线性回归预测模型,对两种预测模型预测结果的准确性进行比对分析。考虑切削参数之间的交互作用建立三维表面图,对比分析钻削过程的切削能耗与切削参数的变化规律。结果表明,通过训练的BP神经网络在预测切削能耗方面具有更好的准确性,对钻削过程的切削能耗预测研究具有一定应用价值和指导意义。生产实际中,从减小切削能耗的角度分析,在满足加工质量的前提下,钻削灰铸铁时应优先选择较大的进给量和切削速度。 相似文献
13.
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
14.
蒋惠凤 《温州职业技术学院学报》2014,(1):57-60
为提高负荷预测精度,将主成分回归（PCR）、偏最小二来回归（PLSR）与反向传播神经网络（BPNN）相结合,分别建立基于PCR和PLSR及与神经网络耦合的年用电量预测模型.结果表明,以PCR和PLSR方法提取成分作为神经网络的输入,以实际用电量作为输出,建立的PC-BPNN和LV-BPNN非线性预测模型拟合优度优于PCR和PLSR线性预测模型.从检验四个预测模型的预测效果看,线性预测模型的预测值均高于实际值,非线性预测模型的预测值均低于实际值. 相似文献
15.
随着纯电动汽车市场的不断扩大,对销售量的精确预测成为人们当前关注的热点。提取影响销售量的7个关键因素以及2017~2019年9月的纯电动汽车销售量,首先利用BP神经网络模型对33个月的数据进行测试,并用训练好的模型预测2019年1~9月销售量,再利用马尔科夫（Markov）模型将BP神经网络模型预测的相对误差划分为6种状态,对预测结果进行修正。通过对BP神经网络模型与Markov-BP神经网络模型预测结果进行对比检验,发现Markov-BP神经网络的预测准确度更高,表明采用Markov-BP神经网络模型对纯电动汽车月度销售量进行预测具有一定现实意义。 相似文献
16.
为了提高传统方法生成交通拥堵指数（TPI）的准确率,引入一种基于经验模态分解（EMD）与Elman神经网络的组合模型实现交通拥堵指数预测。首先,利用EMD将TPI序列分解为不同时间尺度下的IMF分量和剩余分量;然后,通过偏自相关函数（PACF）计算各分量的滞后期数,以此确定各分量在Elman神经网络中的输入和输出变量;之后,通过上述方法计算出各分量预测值并相加;最后,计算出总预测结果。通过计算结果可知,EMD-PACF-Elman预测方法3个评价指标（平均绝对误差、均方误差、平均绝对百分误差）的计算结果与单一Elman神经网络模型、EMD-Elman神经网络模型、单一BP神经网络模型、EMD-BP神经网络模型相比都为最低,分别为0.562 4、0.598 9、0.110 7。因此, EMD-PACF-Elman预测方法可以有效地预测TPI,同时也为进一步预测交通拥堵趋势提供了依据。 相似文献