版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、古人云“凡是預則立,不預則廢”,為了促進經濟、社會的高效穩健的發展,研究分析現有的社會經濟狀態,以事物發展的歷史和現狀為出發點,以調查研究資料和統計數據資料為依據,在對事物發展進行深入的定性分析和嚴密的定量計算的基礎上,研究并認識事物的發展變化規律,進而對事物的未來變化預先作出科學的推測是相當必要的。將多種預測方法結合起來,較之單一的預測方法來說可更大限度的綜合利用各種方法所提供的信息,盡可能地提高預測的精度。 本文主要介紹了灰
2、色神經網絡和支持向量機兩種預測模型的理論基礎和建模過程。通過比較、分析灰色系統與神經網絡的區別與聯系、支持向量機與神經網絡的區別與聯系,得出灰色系統、神經網絡、支持向量機三者具備結合的可能性且結合后的組合預測模型的效率比單一模型要高的結論。 本文提出兩種新型預測模型并將新型模型應用到實際系統中以檢驗模型的預測精度及其泛化能力。第一個模型是基于結構風險的灰色補償神經網絡模型(GRBFNN),其核心思想是將結構風險最小化原則應用到R
3、BF神經網絡的建模過程中,利用支持向量直接獲得RBF函數中心和隱藏層節點數。然后用基于結構風險的RBF神經網絡去補償灰色GM(1,1)模型,從而達到得提高神經網絡預測精度和泛化能力的目的。第二個模型是基于灰色關聯的灰色支持向量機模型,其核心思想是利用灰色系統理論中的主要方法之一灰色關聯度(GRA)從模型的眾多因子中篩選出主因子,然后將主因子作為輸入因子利用灰色系統理論中的一階生成數列(1—AGO)建立灰色支持向量機預測模型(GSVM)。
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于改進灰色系統—BP神經網絡—支持向量機的需求預測模型研究.pdf
- 支持向量機與RBF神經網絡在數據預測模型的應用.pdf
- 基于灰色神經網絡的預測模型研究.pdf
- 神經網絡與支持向量機相關問題研究.pdf
- 基于Lagrange支持向量回歸機交通流量預測模型的研究——與BP神經網絡預測模型比較.pdf
- 灰色神經網絡預測模型的優化研究.pdf
- 基于BP神經網絡的灰色預測模型.pdf
- 灰色模型與支持向量機融合的研究.pdf
- 基于多維灰色模型與神經網絡的銷售預測模型研究.pdf
- 基于灰色神經網絡的審計意見預測模型研究.pdf
- 基于神經網絡和支持向量機的水華預測方法研究與應用.pdf
- 支持向量機神經網絡研究及其硬件實現.pdf
- 模糊神經網絡與支持向量機若干問題研究.pdf
- 基于支持向量機的模糊神經網絡控制.pdf
- 基于神經網絡和支持向量機及其改進算法的供熱負荷預測研究.pdf
- 基于灰色RBF神經網絡的轉爐終點預測模型研究.pdf
- 單樁荷載沉降性狀的神經網絡與灰色模型預測研究
- 基于神經網絡的遞增支持向量機研究.pdf
- 基于詞向量和因子分解機神經網絡模型的CTR預測研究.pdf
- 基于灰色神經網絡組合模型的流量預測與評估方法研究.pdf
評論
0/150
提交評論