基于PSO-GRNN方法的城市用水量短期预测

摘要：

鉴于城市用水量短期预测中传统的神经网络训练易陷入局部极小点、收敛速度较慢等问题,采用具有全局随机优化思想的PSO算法对GRNN神经网络径向基函数的扩展速度进行优化,提出了城市用水量的PSO-GRNN神经网络预测方法.根据某市日用水量的实测数据进行建模和预测,通过与最小二乘模型、核估计模型、局部线性估计模型的模拟效果进行对比表明:PSO-GRNN网络具有较强的自适应能力和泛化能力,能够有效地提高用水量的预测精度.

关键词：PSO-GRNN方法、泛化能力、城市用水量、预测模型

所属期刊栏目：42

分类号：TU991.31(地下建筑)

资助基金：河北省建设科学技术研究计划2007-121

在线出版日期：2012-05-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：56-59,89