神经网的遗传学习算法

遗传算法来自于遗传学和达尔文学说，主要应用于优化问题和规则的获取。它也是一种模拟进化的程序设计方法。在本文提出了神经网的遗传学习算法，通过一个种群进化的例子来说明遗传学习算法的有效性并获得了一些有意义的结果。     

卫星云图的遗传神经网络集合预测模型研究

针对目前缺乏卫星云图非线性预测技术理论方法问题,采用类似于数值预报模式的集合预报方法,构建了一种遗传神经网络的卫星云图非线性滚动预测模型。通过对每间隔3小时的红外卫星云图样本序列作自然正交展开,将提取出的时间系数作为云图预报建模的预报分量。考虑降水云系的发展变化,主要是受到云团环境物理量场的影响,利用数值预报模式的物理量预报产品作为各预报分量的预报因子,并采用系统降维计算处理方法,分别建立相应的时间系数遗传神经网络集合预报模型。将预报得出的各时间系数与空间向量合成,得出未来时刻的卫星云图预报图。预报试验结果表明,这种非线性预报模型可以较好地预报未来20~30小时的强降水云团发展、移动的主要特征和变化趋势。实况云图与预测云图的平均相关系数达到0.78。     

基于遗传神经网络的网格资源预测模型

研究网格资源预测问题,网格资源具有非线性、混沌变化特点,传统BP神经网络具有局部极小、收敛速度慢等缺陷,预测精度较低。为提高了网格资源预测精度,提出一种基于遗传神经网络的网格资源预测模型。利用遗传算法对BP神经网络的权值和阈值进行优化,然后采用BP神经网络对网格资源建立预测模型,最后采用网格资源时间序列进行有效性仿真。仿真结果表明,遗传神经网络有效地解决了传统BP神经网络的不足,提高了网格资源的预测精度,降低了预测误差,十分适合于非线性、混沌的网格资源时间序列预测。     

基于遗传BP网络的股市预测模型研究与仿真

股票价格走势已经成为人们关注的焦点,为了更精确的预测股票价格,得到更合理的股票投资意见,利用遗传算法全局寻优和BP神经网络局部寻优相结合的方法.提高了传统BP神经网络的计算精度和收敛速度.建立了基于遗传BP网络的股市预测系统模型,对贵州茅台股票价格进行预测.仿真结果表明,经遗传算法改进后的BP神经网络模型在降低计算和预测的平均误差的同时,迭代次数比一般BP神经网络模型也大大减少.因此适用于求解如股市预测等非线性问题,具有较高的精确度和应用价值.     

遗传神经网络预测模型的设计及应用

分析遗传算法（ＧＡ）及ＢＰ神经网络（ＮＮ）的理论基础,提出了ＧＡ与ＮＮ结合的主要方式和步骤。讨论了基于遗传神经网络的建模思路,主要针对矿石可选性预测、选矿生产指标预报问题,建立相应的遗传神经网络模型。论述了原始数据预处理的方法和ＧＡ－ＢＰ神经网络的设计。通过实例验证,模型的预测精度达到９０％以上。     

基于遗传神经网络的VAV空调系统预测模型

针对单纯的机理建模方法难以准确预测变风量空调系统(VAV)的参数,利用BP神经网络构建了变风量空调系统的预测模型,并将遗传算法与BP网络相结合,提出运用遗传算法对神经网络的权值和阈值进行遗传搜索,寻优后再进行BP运算,以克服BP算法收敛速度慢、易陷入局部解的缺点;通过实验平台采集了大量数据对所建模型进行训练和验证,结果表明,模型对空调送风参数以及房间温湿度的预测结果与实测数据能很好拟合,精确度高,泛化能力强.     

基于多输入层遗传神经网络的热轧产品性能预测

根据热轧产品加工流程的多阶段特点,建立了高维多输入层遗传神经网络机械性能预报模型.该模型根据工艺流程发生顺序在前馈人工神经网络的某些隐含层上增添了输入节点,能够更好地模拟热连轧生产过程.同时,为避免标准BP (Back propagation)算法陷入局部极值点,采用了遗传算法对神经网络权值和阈值进行全局预处理,再利用标准BP算法进行训练,使两者优缺点相互补偿,从而得到全局最优解.最后,利用某钢铁企业的热轧产品实际生产数据对模型进行测试,预测结果满足偏差要求,且与经典BP神经网络及径向基函数神经网络相比较,具有更高的精度和稳定性.     

神经网的遗传学习算法

遗传算法（ＧｅｎｅｔｉｃＡｌｇｏｒｉｔｈｍ）来自于遗传学和达尔文学说，主要应用于优化问题和规则的获取。它也是一种模拟进化的程序设计方法。在本文提出了神经网的遗传学习算法，通过一个种群进化的例子来说明遗传学习算法的有效性并获得了一些有意义的结果。     

一种基于改进遗传算法的新型小波神经网研究

提出了一种基于改进遗传算法（Improved Genetic Algorithm , IGA）的新型BP小波神经网络，并通过异或问题和非线性辨识问题进行仿真实验。实验结果表明，基于改进遗传算法的BP小波网络不仅具有小波分析良好的局部特性以及神经网络的学习、分类能力，而且具有遗传算法全局快速寻优的特点，与简单遗传算法相比，在收敛快速性和稳定性方面都有了明显的改善。     

CUACE/Dust:亚洲沙尘暴计算机业务预报系统

CUACE/Dust(中国沙尘暴大气化学环境系统)为一综合性的沙尘暴预报系统.该系统由以下两部分组成:(1)包含沙尘起沙及干/湿沉降等其他大气动力过程的大气气溶胶模块;(2)建市在中国气象局的观测资料以及中国风云二号地球静止卫星反演资料上的资料同化系统.这是第一次通过资料同化系统成功地将地面观测台站的数据与卫星的沙尘气溶胶反演资料结合起来,并用于东亚地区的实时业务预报.在预报2006年东亚地区的沙尘暴过程中,该业务系统捕捉到了31次大型沙尘暴事件,而这些事件均被地面台站和卫星所观测剑.分析结果显示,在有资料同化系统参与的情况下,2006年春季东亚地区0～24小时季节平均预报技术得分从0.22上升至0.31,实现了41%的增长.同时还将一些具有代表性的台站在整个2006年春季所预报的沙尘浓度的时间序列与地面PM10监测数据进行了比对.比对结果显示,所预报的沙尘浓度的时间序列与出现大量沙尘气溶胶的近地表地区的沙尘暴的发生时间及强度吻合.大气化学和物理学杂志为该预报系统的研发及应用结果专门出了一期特刊,而本文则为该特刊的总结性报告.     

基于优化BP神经网络的销售预测算法研究

已知国内房屋售价具有一定的不完整的规律性,其会因季节变换、人群流动、国家相关政策等一系列因素而呈现一定的规律.与此同时,该规律性并没有确定的单一因子可以直接影响,故其售价与全部因素之间的关系也是非线性的.针对这一问题,利用神经网络输入量的非线性、冗杂性和可不完整性,对一段时期内的房屋售价进行预测是一种合理的预测方法.基...     

基于改进遗传算法优化BP神经网络的销售预测模型

随着经济的快速发展,众多企业步入科学化管理的时代.销售预测是企业经营活动中必不可少的一个环节,预测的准确性直接关系到销售经营的成败.因此提出基于传统BP神经网络与时间序列预测模型为一体的改良BP神经网络预测模型,通过该模型的预测,可以更可靠地预测企业在未来单位时间内的销售额.改良神经网络参考了同步时间序列的预测做出了自我校准,并利用遗传算法达到通过校准得到自我优化的目的,简化网络结构,提高预测的准确度.     

遗传算法优化的BP神经网络税收模型

1Introduction Research on the relation between tax and economy is one ofthe basic subjects of tax theory research.Building up the mathe-matical model on tax revenue(TAX for it)and economical total(GDP for it)has not only the theoretical significance,but a…     

基于神经元网络模型的城市用水量预测

根据城市用水量的影响因素及特点，基于BP神经网络，建立了一种综合多元分析特点和时间序列分析的动态水量预测模型．经沈阳市实例验证，该模型预测误差小，可满足供水系统调度的实际需要．     

基于误差反向传播 ANN的电网暴灾害风险评估方法

利用误差反向传播（BP）人工神经网络,结合对电网磁暴灾害危险性影响因素的分析,建立了电网磁暴灾害风险程度评估指标和评价模型。利用山东500kV电网的资料参数对网络进行了训练和性能检验,验证了模型和方法的有效性,该方法计算结果能反映电网不同站点的风险等级差别,且符合各站点的实际情况,具有一定的客观性。     

基于结构化神经网络挖掘的农产品产量预测方法

农产品市场的准确预测对指导农业生产、农产品流通和农产品消费有重要作用。本文提出了一种改进的结构化神经网络(ISNN),并基于ISNN构建了农产品产量预测模型;设计了一种优化性能更好的混合遗传算法(MGA),并采用MGA对ISNN预测模型进行训练。应用训练好的预测模型对某县最近10年的玉米总产品进行了预测分析。实验结果表明,该方法收敛速度快、学习能力强、预测精度较高、误差率较小。     

神经网络在销售预测中的应用研究

文章提出了基于反向传播网络建立市场销售预测模型的设计方法,并针对反向传播网络算法的不足之处给出了改进方法,该算法适用于规则不可知的预测问题。将该算法应用于销售预测中,获得了良好的预测结果,为企业生产决策提供了有力的依据。     

基于人工神经网络的经济预测模型

运用不同改进BP算法来建立和训练人工神经网络经济预测模型,并对GDP进行预测,结果表明:模拟值与实际值吻合较好,基于改进BP神经网络模型预测精度高,模型的通用性和实用性强。     

电力电量预测的神经网络方法

本文依次将前六个月用电量作为输入值,第七个月用电量作为输出值,建立BP神经网络结构,根据历史数据对神经网络进行训练,并通过预测试验,对预测网络进行检验,结果表明利用神经网络方法对全国用电量进行预测是可行的.     

基于灰色神经网络的宏观经济因素修正股指预测模型

股票指数具非线性和不确定性变化规律,传统单一模型只能反映股票指数的部分信息,预测精度不高.各个模型的思路又常常从不同的角度出发,其预测所基于的原理是各有优劣的.为了提高股价预测精度,充分利用不同单一模型的优势,本文提出一种在灰色神经网络的基础上加以宏观经济因素解释修正的股价预测方法.