基于灰色神經(jīng)網(wǎng)絡的預測模型研究.pdf

1、Index：TP399UDC：6213SouthwestUniverSityofScienceandTechnologyMasterDegreeThesiSStudiesonPredictionModelBasedonGreyNeuraINetworkGradeCandidateAcademicDegreeApplIedforSpeciaIitySupelv1sol2009YuShengrningMasteiCircuitsandSys

2、temsAssociateProfessorWuJIng^or192012西南科技大學碩士研究生學位論文第1頁摘要隨著科學技術和社會經(jīng)濟的快速發(fā)展，人們越來越需要對事物的發(fā)展進行準確的預測，以便做出最合理的決策。針對成都市現(xiàn)代農(nóng)業(yè)指標監(jiān)測與評價系統(tǒng)中預測能力不足的缺點，本文利用灰色預測少量數(shù)據(jù)建模的特點和BP神經(jīng)網(wǎng)絡良好的非線性函數(shù)逼近能力，將兩種方法有效融合，并采用遺傳算法進行優(yōu)化，設計并開發(fā)了一套基于Web方式的，具有一定通用性的現(xiàn)

3、代農(nóng)業(yè)指標預測系統(tǒng)。本文在對灰色系統(tǒng)和人工神經(jīng)網(wǎng)絡進行深入研究的基礎上，利用灰色預測模型和BP神經(jīng)網(wǎng)絡的優(yōu)勢互補性，提出基于等維遞補GM(1，1)模型和BP神經(jīng)網(wǎng)絡的殘差補償融合方式，并引入遺傳算法對其進行優(yōu)化，建立了GA—GBPEC動態(tài)預測模型。優(yōu)化過程中，將GM(1J)模型推廣為GM(】1，2)拓展了灰色預測模型的應用范圍。同時，針對BP神經(jīng)網(wǎng)絡各層節(jié)點數(shù)難以確定、收斂速度慢和全局搜索能力弱的特點，提出一種遺傳優(yōu)化策略同時確定BP網(wǎng)