基于灰色理论和神经网络建立预测模型的研究与应用

根据综合利用灰色理论与神经网络建立预测模型的思路,给出了利用神经网络对模型残差进行修正的灰色GM(1,1)模型综合预测方法。选用我国自1994年至2005年狂犬病发病率统计数据,用灰色GM(1,1)模型对历年的疾病发病人数进行建模,并利用LM算法优化的快速BP神经网络对其残差进行修正,使得建模和预测具有更高的准确性和适应性。实验结果及仿真验证表明,加入修正过程的综合模型,其预测效果远优于单一的灰色模型。     

基于灰色关联度的BP神经网络模型短期用电量预测

本文为了克服单一用电量预测模型的局限性,提高预测精度,构建了基于灰色关联度的BP神经网络模型。BP神经网络预测模型过程中引入灰色关联度分析预测确定全社会用电量主要影响因素,以安徽省2000-2015年全社会用电量数据为例对2016-2018年用电量进行预测,计算结果证明基于灰色关联度的BP神经网络模型计算精度较高,并对2019-2023年全社会用电量进行预测,具有较高的实用性。     

灰色神经网络在城市用水量预测中的应用

为解决传统BP神经网络在城市用水量预测中易陷入局部极小点等问题,将BP神经网络与灰色理论相结合,构建了灰色神经网络模型(GNNM),实现了二者的优势互补,并利用粒子群优化算法(PSO)对该模型的初始权值和阈值进行优化,形成了PSO-GNNM(1,N)算法.通过与传统BP神经网络、灰色理论预测法的预测结果相比较,该算法具有预测误差小、泛化能力强等优点,可为城市用水量的预测工作提供技术支持.     

基于灰色神经网络的高校学生创业素质评估分析及提升路径

灰色神经网络是将灰色模型与BP神经网络结合的产物,文章运用灰色神经网络构建大学生创业素质评估模型,从而进一步完善大学生创业素质评估指标体系,通过对保定市高校创业学生进行实证解析,结合调研问卷量化分析出影响大学生创业素质提升的主要问题,提出优化决策,以期对大学生创业提供指导性方案建议。     

基于灰色神经网络的厦门市商品房需求量研究

介绍了灰色预测模型GM（1,1）的结构和模型检验,以及BP神经网络预测模型的原理,对灰色预测模型进行改良,将此改良模型与BP神经网络模型进行组合,建立了新的组合灰色神经网络模型。以厦门市商品房成交量为例,以MATLAB为工具,进行2012年的成交量对比以及2013年成交量的预测,结果证明组合灰色神经网络的预测精度较高,可以为房地产价格指数预测研究提供参考依据。     

灰色-BP神经网络模型预测区域气温

本文旨在提出更为准确的区域气温预测方法。预测试验基于我国广东省深圳市某一时间段内的气温数据,尝试运用了灰色-BP神经网络模型对未来648个时间点(规定1个小时为一个预测时间点)的气温情况进行预测。通过软件仿真得到预测结果,并对预测结果进行了定性评估。仿真发现,该预测方法兼具BP神经网络和灰色模型的特长,能有效提高区域气温预测的精度。     

基于灰色神经网络的压力传感器温度补偿模型

压力传感器的输出随温度呈非线性变化,同时含有较大的随机噪声。针对BP神经网络对压力传感器温度补偿建模时误差较大的问题,提出了基于灰色模型和BP神经网络的压力传感器温度补偿模型。首先,用灰色模型对数据进行预处理,以减小原始数据的噪声;然后,用降噪后的样本数据作为BP神经网络的输入进行训练。在相同的训练次数下训练误差可减小一个数量级。结果表明,采用该模型补偿后的压力传感器补偿精度明显优于BP网络模型。     

基于灰色神经网络的车轮多边形阶次预测

针对于车轮多边形阶次发展趋势,运用高精度车轮周向不平顺检测设备进行测量,整合检测到的历史数据,提出了一种基于灰色神经网络的车轮多边形阶次预测模型。该模型充分运用了灰色模型计算量小,不需要大量样本数据的特点以及BP神经网络较强的非线性映射能力,利用该模型对车轮周向每个采样点的不平顺数据进行预测,再通过离散傅里叶变换和滤波处理得出该车轮各个阶次的粗糙度等级,以此来判断车轮多边形阶次的发展,较大程度上解决目前车轮镟修不及时等问题。     

云桌面虚拟化电子产业云物流环境下灰色神经网络模型预测应用探讨

基于准确的云桌面虚拟化云物流需求预测对璧山县的云物流管理活动具有重要的指导意义。运用灰色关联度与灰色神经网络模型,对璧山电子产品云桌面虚拟化云物流需求进行动态预测,预测结果的检验与分析,表明模型较精确,可以为璧山县电子产品云桌面虚拟化云物流需求预测多层进程预测。     

小波分析和灰色神经网络融合的光纤陀螺误差建模与补偿

为补偿捷联姿态测量系统中光纤陀螺因外界干扰引起的高频噪声和强漂移,提出一种基于第二代小波变换和灰色Elman神经网络融合的误差建模和补偿方法。采用Allan方差法分析了在外界干扰下的光纤陀螺输出信号,利用第二代提升小波单独重构的方法分离出陀螺误差模型中的漂移误差和白噪声,灰化漂移误差数据后建立了Elman神经网络模型并进行了补偿。实验结果表明,相较于传统的灰色理论模型和单一的Elman神经网络模型,新算法有效滤除了白噪声,并将预测模型的精度提高到96%以上,证实了模型的有效性。     

三阶灰色神经网络模型的建立及其在导弹故障预报中的应用

为了解决导弹武器故障数据量小,无法利用现有的方法对其进行故障预报的问题,在分析灰色预测模型与BP网络算法的基础上,对现有的一阶灰色神经网络模型做了进一步优化和完善,并在此基础上建立了基于时间响应函数的三阶灰色神经网络GNNM（3,1）模型,推导出了模型的理论算法。将此算法应用于导弹惯性器件故障预报中,通过实例证明了GNNM（3,1）模型对导弹武器故障预报的有效性。     

Cloud security situation prediction method based on grey wolfoptimization and BP neural network

Aiming at the accuracy and error correction of cloud security situation prediction, a cloud security situation prediction method based on grey wolf optimization (GWO) and back propagation (BP) neural network is proposed.Firstly, the adaptive disturbance convergence factor is used to improve the GWO algorithm, so as to improve theconvergence speed and accuracy of the algorithm. The Chebyshev chaotic mapping is introduced into the positionupdate formula of GWO algorithm, which is used to select the features of the cloud security situation prediction dataand optimize the parameters of the BP neural network prediction model to minimize the prediction output error.Then, the initial weights and thresholds of BP neural network are modified by the improved GWO algorithm toincrease the learning efficiency and accuracy of BP neural network. Finally, the real data sets of Tencent cloudplatform are predicted. The simulation results show that the proposed method has lower mean square error (MSE)and mean absolute error (MAE) compared with BP neural network, BP neural network based on genetic algorithm(GA-BP), BP neural network based on particle swarm optimization (PSO-BP) and BP neural network based onGWO algorithm (GWO-BP). The proposed method has better stability, robustness and prediction accuracy.     

Storage capacity of complex Hopfield model

The Dirac symbol is used to represent the discrete complex Hopfield neural network model.The signal-to-noise theory and the computer numerical solu-tion are made to analyse the storage capacity of the model.The storage capacity ra-tio of the model equals to that of the Hopfield model.Finally,using the model to recognize the 4-level grey or color patterns is discussed.     

Storage capacity of complex Hopfield model

ＳｔｏｒａｇｅｃａｐａｃｉｔｙｏｆｃｏｍｐｌｅｘＨｏｐｆｉｅｌｄｍｏｄｅｌＳＨＵＡＩＪＷ；ＣＨＥＷＺＸ；ＬＩＵＲＴ；ＷＵＢＸ（Ｄｅｐｔ．ｏｆＰｈｙｓｉｃｓ，ＸｉａｍｅｎＵｎｉｖｅｒｓｉｔｙ，Ｘｉａｍｅｎ３６１００５，ＣＨＮ）Ａｂｓｔｒａｃｔ：ＴｈｅＤ...     

移动传感器网络的安全性能智能预测

移动传感器网络的物理层安全问题日益复杂,已经成为了一个研究热点.为了及时处理网络安全事件,研究了移动传感器网络的安全性能预测,提出了一种基于灰狼优化广义回归(Grey Wolf Optimization-Generalized Regression,GWO-GR)神经网络的安全性能智能预测方法.该方法利用发射天线选择策...     

基于复合控制策略的电动负载模拟器研究

针对某雷达随动系统电动负载模拟器自身复杂的非线性以及多余力矩对系统加载性能的影响,提出了一种基于改进的小波神经网络和灰预测的控制策略。该策略主要由变结构的小波神经网络控制器（VSWNNC）和灰预测补偿器（GPC）构成,前者利用自学习算法动态改变隐含神经元数目,加快了系统的收敛速度,降低了系统的计算复杂度,提高了系统的动静态响应性能;后者利用灰理论来预测输入力矩偏差,进一步提高了系统的稳定性和准确性。半实物台架仿真试验结果表明：该复合控制策略具有较强的鲁棒性和较高的控制精度,保证了系统动态加载时的稳定性和抗干扰能力。     

基于改进BP网络的武器效能评估专家系统

介绍了一种基于改进BP网络的武器效能评估专家系统。通过灰色关联度分析法选取武器特征参数,针对武器系统的特点建立了神经网络评估专家系统模型,并采用改进后的BP算法训练网络,通过仿真实例表明用该方法评估武器系统效能更加精确。