10.16526/j.cnki.11-4762/tp.2020.06.005
基于灰色神经网络的装备计量预测研究与实现
基于装备计量数据历史样本数据较少的特点,将适合小样本的灰色理论GM(1,1)模型应用于基于计量数据的装备状态预测,同时为提高GM(1,1)模型精度,提出了基于RBF神经网络优化GM(1,1)传统模型的灰色神经网络模型;装备计量数据实例应用分析表明,上述模型均可获得该装备计量数据的合理预测值,且相对于GM(1,1)传统模型,GM(1,1)优化模型具有更优的模型精度和预测效果,基于Matlab开发的装备计量预测软件,实现了GM(1,1)传统及优化模型下装备计量状态预测及比较的可视化操作,为装备计量保障提供了可参考的技术方案.
装备保障、计量数据、预测、灰色模型、RBF神经网络、灰色神经网络、优化、MATLAB
28
TH707;O175(仪器、仪表)
2020-07-13(万方平台首次上网日期,不代表论文的发表时间)
共5页
23-27