灰色神经网络耦合模型在城市需水量预测中的应用

目的为了更准确预测城市用水量,弥补灰色和神经网络预测模型在中长期需水量预测中的不足.方法采用最小方差法建立了灰色新息递补模型和新息递补BP神经网络的耦合模型即灰神经模型,并对城市需水量进行预测.结果预测沈阳市生活需水量,灰神经网络耦合模型的平均相对误差为0.144%;预测沈阳市工业需水量,灰神经网络耦合模型的平均相对误差为0.19%.在模拟精度方面远远高于其他模型的模拟值,提高了预测的准确性.结论提出了用灰色神经模型来预测城市需水量的方法,能更好地预测城市未来需水量,把影响预测的不定因素降到最低限度,具有广泛的实用性.     

BP神经网络在城市需水量预测中的应用

将BP神经网络方法,引入到城市需水量预测中,表现需水量众多影响因子的非线性复杂因果规律,结果表明,神经网络方法应用到城市需水量预测中具有较强的预测能力和很高的可信度,技术上是可行的。     

组合灰色神经网络模型及其季节性负荷预测

对于季节性时间序列具有增长性和波动性的二重趋势性,提出了季节性预测的组合灰色神经网络模型,研究了同时考虑两种（非线性）趋势的复杂季节性预测问题,给出了一个应用实例,为季节性预测提供了一种新的、有效的方法。     

灰色递补模型在城市需水量预测中的应用

目的提出使用灰色递补模型准确地预测城市需水量,弥补传统灰色预测中不能对外界影响因素做出反应的不足.方法在传统灰色预测基础上,由已知数列预测一个值,将预测值补加到已知数列中去,同时去掉最早期的一个数据,保持维数的不变,接着预测下一个数据,把新的数据补充到原数列中去,同样去掉最早期的一个数据,这样逐个替换、补充,依次递补,直到完成预测目标.结果通过模型模拟结果可以看出灰色递补模型在模拟精度方面要远远超过传统灰色模型,灰色递补模型模拟的相对误差较小,小误差概率P、均方差比值C都较好,对未来需水量预测更准确.结论通过对比和实践验证,灰色递补模型弥补了传统灰色模型在预测中的不足,把外界对需水量的影响降到最低,能更好地预测城市未来需水量.     

基于灰色BP神经网络组合模型的郑州市商品住宅价格预测

针对郑州市商品住宅价格问题进行了研究,在传统GM(1,1)模型的基础上引入BP神经网络模型,建立了灰色BP神经网络组合模型,采用传统GM(1,1)模型与灰色BP神经网络组合模型预测郑州市商品住宅价格.结果表明,灰色BP神经网络组合模型比传统GM(1,1)模型预测精度高,具有更好的应用价值.     

基于神经网络最优组合预测在电力负荷预测中的应用

为提高负荷预测的准确性,引入了最优组合预测模型,使几个电力负荷预测模型有机地结合起来.针对最优组合预测模型权重分配时出现的负权重问题,建立了基于神经网络的最优组合预测模型,通过实例论证,该模型具有较高的预测精度.     

灰色新陈代谢GM(1,1)模型在中长期城市需水量预测中的应用研究

研究了基于灰色系统理论的中长期城市需水量预测方法.针对常规GM(1,1)模型存在的不足,建立了灰色新陈代谢GM(1,1)需水量预测模型,并利用此模型对北方某缺水城市未来10年的需水量进行了预测.结果表明:模型精度较高,预测误差较小.     

基于灰色神经网络模型预测变压器油中溶解气体的含量

建立了变压器油中溶解气体的灰色神经网络预测模型,用MATLAB仿真计算,结果表明该模型优于单独GM（1,1）模型。     

BP网络的城市时用水量预测组合模型

为建立起城市用水量与其影响因素间的预测模型,以预测的城市用水量趋于合理,针对城市时用水量的特点及影响因素,在考虑充分利用各因素历史观测数据的基础上,利用BP神经网络建立了城市时用水量的时间序列预测与解释性预测组合模型,并对南京市的时用水量进行了预测.预测结果与实际情况具有很好的一致性,预测误差小,能满足供水系统调度的实际需要.可见,本预测组合模型是合理的,为城市时用水量预测提供了一种可行方法.     

城市需水预测方法研究

详细阐述了采用BP神经网络和模糊神经网络进行城市需水预测的方法，并将这两种方法应用到天津市需水预测的实证研究中．通过对这两种方法进行比较．发现在相关因素数据比较齐全时，模糊神经网络有比较好的模拟结果。     

基于粒子群算法和BP神经网络改进的灰色电力负荷预测研究

灰色预测模型被广泛运用于电力负荷预测中,取得了较好的效果,但是灰色预测模型在实际应用中的缺点和局限性导致其预测精度有待提高,存在改进的必要。本文对于灰色预测模型的改进,分别从优化初值和改进模型等方面进行,从而提高普通灰色GM（1,1）模型的预测精度。对初值的处理可以削弱异常值的影响,强化趋势,从而避免由于初值选择不当而造成预测误差。本文中对模型的改进主要通过建立等维新息预测模型、灰色粒子群组合预测模型和灰色BP神经网络组合预测模型来实现。通过这些对灰色预测模型的修正和改进,进一步提高了灰色预测模型的适用性．最大限唐妯提高了灰乍．GM（1,1）模型的预测精唐．     

m层模糊优选BP神经网络模型及算法

通过把模糊优选原理与BP神经网络模型相结合,能得到可供优选的方案的相对优属度向量。本文作者把三层模糊优选BP神经网络模型推广到m层,从而得到适用性更强的一般模型,大大拓宽了模糊优选BP神经网络模型的应用范围。     

用BP神经网络进行作物水分-产量预测研究

根据BP神经网络的基本原理,在平原地区冬小麦灌溉试验资料基础上,建立了冬小麦水分与产量关系的BP-ANN模型,确定了模型的参数.将模型用于描述水分对作物产量的影响,并对作物产量进行预测,预测结果与实际产量基本吻合说明,人工神经网络用于描述作物水分产量关系可以取得较好的效果,其预测的准确性基本能满足生产实践的需求.     

灰色神经网络水质预测模型

依据水质预测的客观要求,结合灰色系统理论与神经网络理论,建立了灰色的神经网络水质预测模型,并在四川沱江的实际应用中取得了较好的结果．     

人工神经网络在用电量预测中的应用

人工神经网络是模仿人脑神经元结构,特性和大脑认知功能而构成的新型信号,信息处理系统。文中采用的人工神经网络反向传播模型对四川省历年用电量历史数据样本进行学习,分析年用量的发展趋势,然后进行长期预测,取得了较为满意的效果。     

BP神经网络算法在图像预测物体重量中的应用

本采用误差反向传播算法(BP)通过图像预测物体重量,先对图像进行特征提取,再用BP算法进行训练,建立了图像识别重量模型。利用水杯图像相关资料建立了数据库,由水杯图像的特征因素作为样本对网络进行训练,并用训练好的网络预测未知水杯重量。由实例表明,该方法在测物体重量中是可行的,误差较小,为物体重量预测提供了一种新思路和新方法。     

磨料水射流切割可视化BP神经网络模型研究

针对磨料水射流切割性能与影响因素间存在复杂的非线性关系,无法用传统数学方法建模的问题,基于BP人工神经网络理论,结合典型材料的切割实验结果,在考虑射流压力、磨料流量、切割靶距、工件厚度、磨料喷嘴直径与切割速度6个因素情况下,建立了磨料水射流切割BP神经网络模型.同时,基于Delphi开发出了可移植的磨料水射流切割速度人工神经网络预测单元,实现了所建网络模型的可视化,为实现网络模型与数控系统的集成提供条件.研究结果表明,该网络模型能快速、准确、可靠地预测切割速度,与数控系统相集成可实现对磨料水射流切割质量的有效控制.