灰色神经网络预测模型优化研究.pdfVIP

摘 要 针对小样本数据的髂息处理，灰色神经网络模燮的建立与应用越广泛领域与 行业需要的。虽然享串经网络与获包系统理论在信息处理方蕊已有了较为广泛的 应用，键实际的数据处理效栗并不理想。当然，将这两种方法敲合建立获色神 经网络能弥补单～使用这两种模型的不足，达到良好的数撼处理和预测效果。 灰色神经麓络建模蕊摹，焉舞果憩砖学习算法及蒸模型蕊结翰窝卷麓遂行德纯， 就可以使其能达到更好的效果。同前，融有不少学者对灰色神经网络进行优化 萋翼究并驳褥一定成果。进行撬化瓣荻色神经瓣络摸型哥怼不确定蕊怠避z亍处理 以及提高各技术数据的预测精度，已成为～个很重要的课磁。 本文首先对小样本数据豹特点进行了磺究，然麟详细分檄了小样本数据颞测 酹复杂性和特殊性，提出了将漪沿酶智麓方法——灰色预测方法和神经霹绦技 术相结合的思想。 褰对灰色系统理论释耱经蘸络，茏其楚RBF鼹络送行深入磷究鲶基蘧上， 鬟嚣获毽GM(0,N)模型专门饕对“小样本静静蒋性汉及RBF爨络赛好翁霉}线性 函数满近能力，和不易陷入局部掇优解的特点来聪好的解决问题。还建立了～ 静最饿霹始条件靛薪豫代滗GM(I，l≥动态模型，并在j避基础上建立～个更实爆、 预测精凌更高的DGRBF动态预测模型，此模型熊对小样本数据进行长麓动态的 精确预测。 针对灰色系统结合RBF静经潴络醚算法存在髑韶最谎耩收敛溉等溺莲，孳} 入遗传算法来辅助优化灰色神经网络预测模型。本文利用麒有的较强全局搜索 毙力，虽收敛遮凄涣嚣遗赣算法对GM(I，1)模型参数名进行麓藏隶簿，然器融合 RBF神经网络和改进的灰色GM(I，1)模型，构成两种不同结构的基予遗传算法的 嵌入裂GRBF模型。以某智能监控系统采集的风响应时程数据进行仿真分析， 结果袭骥经过遗传算法优化豹GRBF模型都要优于单一的GRBF模型，势且 GA—GRBF模型建模蓠荤，预测精度高，实用性强。 关键谪：小样本数据，基于遗传葬法蘸荻色RBF预溅模型，优化，残差誊}髅 Abstract hasbeena networkmodel wide of with neural Gray relativelyrangeapplications ofdata the the needsforsmall information industry sample processing．Although neuralnetworkand are ininformation graysystemtheoryapplied widely processing， are neural theresultsof data unsatisfactory．Ofcotlrse,establishedgray prediction the ofthesetwomethodshave data networkmodelsof integration good processing and itcartmakethelackof of neural prediction，andup onlyusinganyonethem．Gray networkmodelis to the andthemodel simple，ifop