基于灰色神经网络一种预测模型的研究.pdfVIP

MicrocomputerApplicationsVoi．31，No．2，2015 研究与设计 微型电脑应用 2015年第31卷第2期 文章编号：1007—757X(2015)02—0024—04 基于灰色神经网络一种预测模型的研究 杨春 山 摘 要：应用灰色系统理论和BP神经网络 (简称为 GMBPNN)来创建农业机械化的预测模型以展开有关研究。通过举例 来分析该方法，并利用GMBPNN获取有关结果，再与灰色预测模型和BP神经网络预测方法进行比较。仿真结果证明本文 算法效率高，为改善预测准确性提供新途径。 关键词：农业机械化；机械化集成水平；BP神经网络；灰色预测模型 中图分类号：TP301．6 文献标志码：A StudyonPredictionM odelBasedontheGreyNeuralNetwork YangChunshan (DepartmentofComputerScienceandTechnology,ChengDongCollegeofNortheastAgriculturalUniversity,Harbin150025，China) Abstract：ThispaperusesgreysystemtheoryandBPneuralnetwork(hereinafterrefersasGMBPNN)tocreateaagriculturalme— chanizationpridictionmodeltomakerelevantresearch．Itanalyzesthemethodbysettingexamples，andutilizeGMBPNN toobtain relevantresults，whilecomparingitwiththegreyforecastingmodelandBPneuralnetworkpredictionmethod．Thesimulationresults show thatthealgorithm isefficient，andhasprovidedanew waytoimprovetheaccuracyofprediction． Keywords：AgriculturalMechanization；MechanizationIntegratingLevel；BPNeuralNetwork；GM (1，1)Model 0引言 ㈣=(xlJ『1(1)，(0】(2)，．．．，xIo)(H)) 收集好原始序列来牛成一个递增的序~hJAGO (累积生 现实中有许多时间序列，但迫于现状，数据无法充分获 成操作因子)。 取。数据之间的关系经常非常复杂，而且其中许多是非线性 X ‘’=(’‘(1)， ‘(2)，．．．，X ()) 的。目前，已经提}』j了许多方法来预测时问序列，如传统的 ARMA模型，灰色预测模型，神经网络等等。主要用来描述 如果序列X(1)的多样性与指数 曲线吻合，就可建立微分 方程式： 非线性问题的强大建模工具一神经蜘络已经被 ／一泛用来进 JI1)一 行预测研究。但神经网络技术存在一些内在弊端，例如，还 + 1‘)：b 没有统一标准来判断网络的结构，抽样的质和量不达要求， 易出现过度拟合，模型的泛化能力不佳等问题 l【。】。 转换成差分方程： XB。利用最小二乘法得到方程 灰色系统理论可有效应对具有显著不确定特性和数据 的解。将解替换到原始方程，得到： 样品缺乏的系统方面的问题，并从混乱、有限、和离散的