共查询到19条相似文献,搜索用时 171 毫秒
1.
文章首先构建评价农村居民生活水平的指标体系,之后运用全局主成分分析法(GPCA),实证研究了我国中部各省农村居民从2001年-2006年生活水平的时间演变,并对结果进行了比较分析。 相似文献
2.
黄鸿琦 《河南机电高等专科学校学报》2019,(3)
为分析响应预测能力对优化结果的影响,建立响应与可控因子间参数回归模型以计算预测能力指数,但复杂生产过程中模型拟合度不高,难以满足建模要求,因此提出一种基于RBF神经网络的改进加权主成分分析参数优化方法。该方法利用RBF神经网络构建非线性预测模型,计算并引入网络预测能力指数以调整加权主成分分析法,优先改进预测能力强的响应,然后进行主效应图分析,并通过建立响应曲面模型,利用遗传算法全局搜索最优点。实验结果表明,RBF神经网络泛化能力强,改进的方法能够使得多个响应达到较理想的综合优化效果,且优于企业所用参数组合。 相似文献
3.
构建小波与人工神经网络组合时序模型,该模型利用morlet小波基函数取代人工神经网络的激发函数,通过平移因子和伸缩因子确定小波基函数,采用误差逆向传播算法训练网络和预测.利用此模型对赣江河段上外洲水文站月径流变化趋势进行预测,并将其计算结果与BP神经网络进行比较,结果表明利用小波神经网络进行时间序列预测效果较理想. 相似文献
4.
遗传神经网络在铁矿石需求预测中的应用 总被引:1,自引:0,他引:1
将遗传算法与BP神经网络结合,利用遗传算法的全局搜索优化BP网络的初始权重,有效地克服了BP算法的局部收敛和收敛速度慢等问题.使用主成分分析法选取输入变量,并将建立的混合模型应用于铁矿石需求预测中.实验表明,该方法改善了预测精度,达到了较好的预测效果. 相似文献
5.
江苏省城市竞争力演化分析 总被引:1,自引:0,他引:1
对多维动态数据系统给出了全局主成分分析(GPCA)模型,并对时序立体数据表进行立体式的综合与简化。基于GPCA模型,发现江苏省中心城市区竞争力在“九五”期间城市竞争力得到整体性提高的同时,苏南、苏中、苏北城市竞争力差距在加大,城市发展的不平衡加剧,苏中、苏北城市发展波动剧烈,南京竞争优势潜力增强。其研究将为进一步提升江苏省城市竞争力提供决策依据。 相似文献
6.
7.
《洛阳理工学院学报(自然科学版)》2016,(4)
为准确预测蔬菜价格变化规律,现以合肥市周谷堆农产品批发市场2005年~2014年白菜月度市场价格及相关影响因素数据为样本,通过主成分分析,利用小波神经网络智能分析方法,构建基于小波神经网络的价格预测模型,并与BP神经网络模型比较。结果表明,小波神经网络预测模型的预测精度比BP神经网络更高,且更加的稳定。该模型的构建对蔬菜价格的稳定、农业管理部门的决策支持具有重要的理论研究意义和实际价值。 相似文献
8.
为了解决短期电力负荷不同预测方法的预测角度片面性、预测精度差等问题,提出了基于小波神经网络(WNN)的组合预测模型.首先用小波神经网络预测模型和历史平均模型分别进行预测,然后再通过小波神经网络对两单一模型的预测值进行组合.相比BP神经网络组合模型,该组合预测模型的预测精度大大提高.该模型同时引入模糊聚类分析的方法选取组合模型的训练样本,减少了训练样本的冗余性,提高了预测模型的精度. 相似文献
9.
《上海工程技术大学学报》2016,(1)
从经济影响角度着手,运用主成分分析、相关性分析、综合评价等方法,分别构建主成分、基于阿尔蒙法的滞后分布、区域经济引力、断裂点范围等模型,研究上海在长三角经济圈的影响力.研究得出:上海在长三角区域经济发展中处于领导地位,且与经济圈内的城市发展联系密切;距上海越远的城市发展速度越低,上海的经济发展在整个经济圈内具有辐射引力作用. 相似文献
10.
11.
小波神经网络是在小波变换理论和人工神经网络的基础上建立的一种新型网络模型,综合了两者的优点,克服了BP神经网络易陷入局部极小点和训练速度慢的缺点.本文建立了小波神经网络模型,采用最陡梯度下降法训练网络,将该网络用于对风电场小时风速的预测,并对预测置信区间进行计算.预测结果表明小波神经网络在训练速度和预测精度方面均优于BP神经网络. 相似文献
12.
无迹Kalman滤波(UKF)是无迹变换(UT)和标准Kalman滤波的结合,对非线性系统具有出色的估计性能,使用UKF估计小波网络参数,速度快,精度高,无需求导计算Jacobian矩阵,但其计算量偏大.基于此,本文考虑引入一种改进的UKF来估计小波网络的参数,以提高训练效率.该改进UKF在Kalman滤波体系内应用了一种基于最小偏度单形Sigma点采样策略的UT,它继承了UKF的优点,并显著提升了计算效率.仿真结果表明,相对于EKF,采用改进UKF算法训练小波网络,速度更快,精度更高;计算精度与UKF相当,但计算效率较之更高. 相似文献
13.
基于多粒子信息共享策略的PSO小波网络模型 总被引:1,自引:0,他引:1
针对粒子群优化算法在训练小波网络存在的早熟收敛问题,提出一种改进的粒子群优化算法.该算法通过引入多粒子信息共享策略,使种群中各粒子共享多个粒子的有用信息,以期增加种群多样性,减少各粒子在进化早期被吸引到最优粒子附近的可能性,提高小波网络的建模质量.仿真表明,相对于BP算法和标准粒子群优化算法,本文算法在训练小波网络方面估计精度更高,收敛速度更快,并有效解决了早熟收敛和局部最优问题. 相似文献
14.
提出了两种高预测效率、高泛化能力的数值计算方法,一种方法是小波神经网络(Wavelet NeuralNetwork,WNN)算法;另一种是基于小波尺度函数的WSK-SV(Wavelet Scaling Kernel-Support Vector)算法.WNN算法将小波函数与BP神经网络方法相结合,通过输入层、隐含层、输出层间的连接权重以及隐含层使用的激励函数构成了这种算法的关键技术;WSK-SV算法将小波的尺度函数与SV(Support Vector)方法相结合,使这种算法既保持了SVM(Support Vector Machine)的优点,又具有很好的泛化能力.上述两种算法都属于计算智能(Computational Intelligence,简称CI)方法并用于人机系统的性能预测. 相似文献
15.
为了提高目标威胁度评估的精确度,建立反向学习灰狼算法(OGWO)优化小波神经网络的目标威胁评估模型(OGWO-WNN),提出基于该模型的算法.该模型使用反向学习策略(OBL)优化灰狼算法(GWO),通过改进后的灰狼算法优化小波神经网络的各权值和小波基函数的平移因子与伸缩因子,使优化后的小波神经网络能够对威胁度测试样本集作更好的预测.实验结果显示,采用反向学习灰狼算法能够更好地优化小波神经网络的权值与平移、伸缩因子,使建立的小波神经网络目标威胁评估模型具有更高的预测精度和更强的泛化能力,能够精准、有效地实现目标威胁评估. 相似文献
16.
采用HF/DFT的混合泛函PBE0和UPBE0优化了配合物[Os(DMSO)2(CN)2(N^N)](其中N^N=2,2'-吡啶)的基态和激发态结构.在基态和激发态结构的基础上,利用含时密度泛函理论(TD-DFT)方法,结合极化连续介质(PCM)模型分别计算了它在gas(1)、CH2Cl2(2)、CH3OH(3)和H2O(4)溶液中的吸收和发射光谱.研究结果表明:优化得到的几何结构参数和相应的实验值符合得非常好.在极性较大的溶剂中Os-S1、Os-C1键较长,Os-N3键较短,表明溶剂的极性会影响配合物的电子云分布.配合物在1-4溶剂中的最低能吸收和发射均来自分子轨道93→95的激发,该激发被指认为[d(Os)+π(CN)+π(N^N)→π*(N^N)]的跃迁具有混合的金属到配体和配体到配体的电荷转移跃迁(MLCT/LLCT)特征.配合物在1-4溶剂中的最低能吸收和发射分别在519、501、494、485和654、631、622、610 nm,表明随着溶剂极性的逐渐增大(1234),最低能吸收和发射发生明显的蓝移.这显示出通过改变溶剂极性可以调节配合物的发光颜色. 相似文献
17.
为了实现蜂窝网中小信息量情况下对移动用户的定位,在只有驻留基站和一台定位设备可用的条件下,建立了TOA/TOA定位模型,提出了一种基于BP神经网络的定位算法,并用自适应遗传算法(AGA)优化BP网络的权值。仿真结果表明,在小信息量条件下,优化后的算法在复杂的多径环境下有效地提高了定位精度,能够很好地解决模型中固有的模糊点问题,达到了FCC的定位要求。 相似文献
18.
19.
传统的GM(1,1)模型,只适用于等间距监测数据序列的模拟预测,对非等间距监测序列,一般经过等间距处理或经过复杂的变换计算再建立非等间距模型。针对传统GM(1,1)模型的不足,本文探讨了几种合理且实用的改进GM(1,1)预测模型,并对各种优化GM(1,1)模型和传统GM(1,1)模型的预测结果进行了系统的对比分析。 相似文献