基于灰色关联分析和RBF网络的粮食生产预测研究.pdfVIP

第14扁中国神经网络学术会议论文集 基于灰色关联分析和I氇F网络的粮食生产预测研究 伍长荣1，2叶明全3胡学钢1 1合肥工业大学计算机与信息学院230009 2芜湖师专计算机教学部241001 。 3皖南医学院计算机教研室241001 。 摘要如何提高中国粮食生产量的预测精度与效率．始终是人们关注的一个重要问题．本文利用灰色关 联度分析对RBF神经网络的输入变量进行了预处理，从而建立基于RBF神经网络的多因素非线性时间序 列预测模型，得到影响粮食产出的主要影响因子及其之问的非线性关系．通过粮食生产实例仿真，验证了 模型的有效性． 关键词灰色关联分析，RBFj十经网络，粮食生产，预测 1．引言 粮食生产的科学预测研究对保障人民生活水平、国民经济发展和国家安全具有特殊的重要意义。由 于粮食是受多因子影响的，所以对其进行预测研究比较匿难。传统的预测方法是建立多元线性回归预测 模型．但这种模型因为线性假设、预测的精确度及检验问题而受到很大的应用限制…。近年来，采用非 线性模型人工神经网络在预测研究中得到了普遍的应用。影响粮食生产指标的因素是相当复杂的，为避 免对粮食生产指标有重要影响困素的漏选．常采用定性分析方法尽可能全面地将所有可能对被研究对象 有影响的因素都纳入系统8】。但是， 当这些因素很多时．把它们都作为神经网络的输入，显然会增加I习 络的复杂度，降低网络性能．大大增加计算运行的时间，影响计算的精度。为解决输入变量过多的问题· 文献[3]中提出的灰色关联分析人工神经网络组合模型将灰色关联分析找出主要影响因子的优点与BP神 经网络的非线性计算特点很好结合起来，比单纯flOBP神经网络模型有了较大改进。但是，丑P神经网络存 在训练时间长，收敛速度慢，且容易陷入局部极值。RBF神经网络是90年代提出的一种具有全局收敛线 性学习算法的前馈网络，它推广性能好，学习速度快，在一定程度上克服了这些问题，因此．它的研究 与应用越来越得到重视，且广泛应用于数据的分类和时间序列的预测等方面”““。 下面首先介绍灰色关联分析的原理，其次介绍RBF神经网络原理和最近邻聚类学习算法。最后给出 一个仿真实验．结果表明，基于灰色关联分析的RBF网络预测模型具有良好的预测精度、收敛速度快和 能力强等特点。 2．灰色关联分析的基本原理 灰色关联分析是一种多因素统计分析法，它以各子因素时间序列与母因索时问序列的有关数据为基 础计算母子因素的关联度，用关联度来描述母子因素问关系强弱、大小和次序。关联度的几何含义为比 较序列与参考序列几何曲线的相似与距离程度，如果两序列曲线几何形状相似，距离接近，两者关联度 大，反之，两者关联度就小。灰色关联分析模型应用广泛【6】I”。 灰色关联度的数学定义如下： 设参考数列为：xo={凰(1)，Xo(2)，．，凰(n)) 比较数列为：j。={并(1)，蜀(2)，¨．X,-(n))，净1，2…，m。 则比较数列咒与参考数凰列间在第女个点的灰色关联系数定义为： M／4—粤n-每叫z。(I)·石伍l+pmpr警叫x。取)。石恤1 …”’2—二。—]X——o(k—)—-—X—,(k—]—+—p—m——ax—m‘a—x—JX二。o—(k—)—-)—fi(—k—I一 人工神经网络与自然计算研究进展 取值，本文取0．5。综合各序列点(扫l…2一一)的关联系数，得到整个参考数列{Ⅻ砷l和比较数列{取D)的 灰色关联度，即为： 魁户÷杰善一G) ，‘t=l 3．RBF神经网络 3．1RBF神经网络的工作原理 对中心径向对称衰减的菲负非线性函数。局部分布是指仅当输入藩在输入空问一个很小的指定区域时， 隐单元的径向基函数才做出有意义的非零响应。对中心径向对称衰减是指与基函数中心c径向距离相同