10.3969/j.issn.1002-7300.2007.09.018
基于灰色神经网络组合模型的动态数据序列预测
为了提高动态数据序列的预测精度,分析了现有BP神经网络和灰色预测方法各自的优缺点,并在此基础上建立了灰色神经网络组合模型.组合模型兼有BP神经网络和灰色预测的优点,弥补了单个模型的不足,既克服了数据波动性大对预测精度的影响,也增强了预测的自适应性.本方法利用灰色预测中的累加生成运算对原始数据进行变换,从而得到规律性较强的累加数据,便于神经网络进行建模和训练,并利用神经网络的函数逼近特性,实现对原始数据的预测.仿真结果表明:组合模型的预测精度高于单独的GM(1,1)模型,适用于具有复杂成分的动态数据序列的建模.
动态数据序列、灰色预测、BP神经网络、灰色神经网络组合模型
30
TP183(自动化基础理论)
2007-12-10(万方平台首次上网日期,不代表论文的发表时间)
共4页
60-63