共查询到19条相似文献,搜索用时 93 毫秒
1.
灰色神经网络水质预测模型 总被引:8,自引:0,他引:8
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提取了较好的结果。 相似文献
2.
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. 相似文献
3.
在传统灰色Verhulst模型的基础上,提出无偏灰色Verhulst-markov模型,通过无偏灰色Verhulst模型,更好地解决了数据量偏少和受特定负荷数据类型的影响,同时,通过马尔科夫链进行状态估计,提高预测的误差精度。算例结果表明:无偏灰色Verhulst-markov模型在中长期负荷预测中具有较高的预测精度。 更多还原 相似文献
4.
准确预测用电量是电力系统运行和规划的基础,是电力企业制定配售计划、经营战略和策略的基础。用电量受到产业结构、经济发展、居民收入水平和国家政策的影响,是一个灰色系统。针对我国供电量进行预测,首先采用灰色模型GM(1,1)进行预测,利用初步预测结果的相对误差构建马尔可夫转移矩阵,对灰色模型得出的预测值进行马尔可夫修正,经实例验证,预测精度可以进一步大幅提高。 相似文献
5.
基于新维灰色马尔科夫模型的股价预测算法 总被引:24,自引:0,他引:24
灰色预测适合于时间短、数据量少、波动不大的系统对象,但是对于系统对象的中长期预测,采用任何形式的GM(1,1)模型,预测结果往往会偏高或偏低,而马尔柯夫链理论适用于预测随机波动大的动态过程。通过结合灰色预测和马尔柯夫链理论的特点,并利用新信息优先的思想,提出了一种新维无偏灰色马尔柯夫预测模型,用无偏GM(1,1)模型拟合系统的发展变化趋势,并以此为基础进行了马尔柯夫预测,在每一步预测中,不断推陈出新,更新原始数据。实验结果表明,与一般的灰色马尔柯夫预测模型相比,预测准确度尤其是中长期预测准度得到了较大提高。 相似文献
6.
河流水质预测的灰色神经网络联合模型 总被引:4,自引:0,他引:4
针对灰色预测对波动较强的序列只能预测大致变化的缺陷,运用响应成分模型将水质浓度分解为具有确定性的趋势项和具有不确定性的随机项,建立灰色神经网络联合模型对水质的趋势项和随机项进行预测。将该模型应用于淮河河流水质预测,结果表明,该模型拟合误差小,预测精度高。 相似文献
7.
道路交通事故死亡率是反映道路交通安全的重要指标,为了对其进行准确预测,将灰色系统理论与马尔科夫链结合起来,构建了灰色马尔科夫预测模型,并将该模型与GM(1,1)模型进行比较分析.结果表明,灰色马尔科夫链模型能更好地预测道路交通事故死亡率. 相似文献
8.
针对股票收益率和风险的不确定性,文章提出一种基于BP神经网络的马尔科夫链和遗传算法组合模型,该模型通过对神经网络以滚动预测法完成股票价格曲线的粗略拟合;在此基础上,借助马尔科夫链对股票价格的曲线拟合进行系统状态划分,并用遗传算法对系统状态划分进行优化,提高马尔科夫系统状态划分的合理性;最后用马尔科夫链缩小预测区间以提高预测精确度。 相似文献
9.
运用马尔科夫链对城市轨道交通运营管理专业2020~2021学年度两个学期末《大学英语》课程的成绩进行分析研究,以便科学评价教学效果,结果表明:不同学生的基础水平存在差异,不能单纯地依据学生的某一次考试成绩的优劣来评价教师的授课效果;教学效果评价是一个多因素、多变量、模糊的非线性过程;基于马尔科夫链的教学效果评价,不需要大量的历史数据,不需要考虑学生考试成绩的波动性,可对长期教学效果进行科学预测。 相似文献
10.
针对基坑监测中监测数据受到随机扰动影响较大的问题,首先利用卡尔曼滤波对监测数据进行滤波处理,消除监测数据的扰动误差,从监测数据提取能够准确反映基坑围护结构变形的数据,利用提取出的监测数据建立灰色马尔科夫组合模型进行变形预测分析。基坑监测的工程实例应用表明:对比传统的灰色模型以及灰色马尔科夫组合模型的预测精度,基于卡尔曼滤波的灰色马尔科夫组合模型的预测精度有明显提高。这种组合模型能很好地解决基坑监测中随机扰动数据的处理问题,结论具有一定的实用价值。 相似文献
11.
针对水质数据在时间和空间维度上的复杂依赖关系,提出基于图神经网络(GNN)的地表水水质预测模型. 该模型采用GNN建模地表水水质监测站点在空间上的复杂依赖关系,使用长短时记忆网络(LSTM)建模水质指标序列在时间上的复杂依赖关系,将编码结果输入到解码器中得到预测输出. 实验结果表明,与时间序列分析方法、通用回归方法和一般深度学习方法相比,该模型能够实现23.3%、26.6%和14.8%的性能提升. 相似文献
12.
A new grey forecasting model based on BP neural network and Markov chain was proposed. In order to combine the grey forecasting model with neural network, an important theorem that the grey differential equation is equivalent to the time response model, was proved by analyzing the features of grey forecasting model(GM(1,1)). Based on this, the differential equation parameters were included in the network when the BP neural network was constructed, and the neural network was trained by extracting samples from grey system’s known data. When BP network was converged, the whitened grey differential equation parameters were extracted and then the grey neural network forecasting model (GNNM(1,1)) was built. In order to reduce stochastic phenomenon in GNNM(1,1), the state transition probability between two states was defined and the Markov transition matrix was established by building the residual sequences between grey forecasting and actual value. Thus, the new grey forecasting model(MNNGM(1,1)) was proposed by combining Markov chain with GNNM(1,1). Based on the above discussion, three different approaches were put forward for forecasting China electricity demands. By comparing GM(1, 1) and GNNM(1,1) with the proposed model, the results indicate that the absolute mean error of MNNGM(1,1) is about 0.4 times of GNNM(1,1) and 0.2 times of GM(1,1), and the mean square error of MNNGM(1,1) is about 0.25 times of GNNM(1,1) and 0.1 times of GM(1,1). 相似文献
13.
基于BP神经网络马尔科夫模型的径流量预测 总被引:4,自引:1,他引:4
讨论了马尔科夫链状态划分的黄金分割率法和"马氏性"检验法,并针对BP神经网络预测和马尔科夫预测的优缺点,提出了BP神经网络与马尔科夫相耦合的BP神经网络马尔科夫模型,以石泉水库年入库径流量为例,验证了该方法的可行性. 相似文献
14.
神经网络用于近海水质预测的研究 总被引:1,自引:0,他引:1
运用神经网络,提出一种完全依据环境监测数据的近海水质预测模型.首先,根据以往的研究成果,确定预测模型的输入和输出因子;然后,针对训练样本序列短、群体小的特点,采用自动正则化技术避免了网络的过拟合问题;在此基础上,研究确定网络的最小结构并作适当放大,保证网络充分拟合;最后,对入海河流监测数据进行处理,实现输入和输出因子的频率一致性.经过网络训练,预测平均误差为26.46%,满足环境管理的精度要求.应用表明,这预测方法避免了机理性研究对众多基础数据的要求,原理简单,实用性强,能够为环境管理提供决策支持. 相似文献
15.
基于BP网络模型的青弋江水质预测研究 总被引:1,自引:0,他引:1
以水质因子CODCr为例,构建并训练BP神经网络预测模型,分别从空间和时间上对青弋江芜湖市区段水质进行预测,并用实际监测值检验预测精度.预测结果说明BP网络模型在青弋江水质的预测方面是一种简单有效的方法. 相似文献
16.
为了理论解决BP神经网络在进行多目标预测中出现的识别率和可信度不高的问题,提出了一种基于DS证据理论优化的BP神经网络预测模型用于疾病预测,实验中,对心脏病数据进行处理,结果表明,在预测准确度和算法鲁棒性方面,都具有较好的效果。 相似文献
17.
基于BP神经网络与马尔可夫链的城市轨道交通周边房地产价格的组合预测方法 总被引:1,自引:2,他引:1
为解决先验数据有限且存在大量不确定因素情况下,城市轨道交通周边房地产价格的预测问题,提出一种基于BP神经网络与马尔可夫链的组合预测模型。首先,采用BP神经网络,使用较少量的样本数据完成城市轨道交通周边房地产价格曲线的粗略拟合;在此基础上,借助马尔可夫链进行系统状态划分,缩小预测区间以提高预测精确度;最后,运用基于BP神经网络与马尔可夫链的组合模型,对北京市轨道交通13号线周边房地产价格进行了预测分析。计算结果表明,该模型具有较高的精度和可靠性。 相似文献
18.
为了提高BP神经网络在纱线质量预测上的精度,采用差分进化算法训练BP神经网络,利用差分进化算法的全局寻优能力优化BP神经网络的权值和阈值,建立了反映纱线质量的重要指标——单纱强度和条干CV%的神经网络预测模型.对真实数据的测试表明该算法效果良好,提高了BP神经网络算法的预测精度,能够为企业的纱线质量预测提供有效支持. 相似文献
19.
神经网络在水质模型中的应用 总被引:5,自引:0,他引:5
将神经网络理论和算法应用于水环境评价中,基于RBF神经网络进行水质建模,应用国内河流的实测样本对模型进行训练和检验.该方法较之原有的水质数学模型以及其他全局逼近神经网络方法的结果更加精确,适用范围更广. 相似文献