共查询到10条相似文献,搜索用时 31 毫秒
1.
2.
塔里木河流域径流量预测分析 总被引:3,自引:0,他引:3
因径流量预测中伴随着随机性、灰信息性的特点,传统的数学模型难以解决复杂的非结构化问题。在参与塔河流域多个水文控制站点径流量预测的基础上,探讨了GM(1,1)与BP算法在径流量预测中的有效性及存在的一些问题。首先用灰色关联理论对相关序列的灰色绝对、相对、综合关联度进行了分析;然后建立了GM(1,1)模型,讨论了在原始序列准光滑条件满足、1-AGO准指数规律满足条件下GM(1,1)模型模拟随机振荡序列的局限;最后建立了神经网络模型,应用BP算法训练网络权矩阵和偏置,对径流量的历史演变进行了仿真模拟,对预留年份的径流量作了预测检验。 相似文献
3.
建立了基于实码加速遗传算法(real coded accelerating genetic algorithm, RAGA)的灰色 (grey model,GM(1,1)) 径向基函数 (radial basis function, RBF) 神经网络预测模型。该模型克服了传统 GM(1,1) 模型存在明显系统误差和容易陷入局部最优的缺点 , 具有 GM(1,1) 模型对数据确定性方面把握的优点 , 同时融合了人工神经网络在不确定因素预测方面的优势。 运用该模型对山西工业需水量进行预测 , 预测表明该模型相比单个传统模型具有相对较高的预测精度,验证了 GM(1,1)-RBF 组合模型在中长期需水预测应用中的合理性,对相关政策的制定有一定参考价值。 相似文献
4.
5.
灰色理论及神经网络组合模型在水质预测中的应用 总被引:1,自引:0,他引:1
利用灰色理论和神经网络的组合式模型实现了对原水水质的预测。它分析了水质数据的影响因素多,水质变化的非线性等特点,同时考虑灰色理论的单变量预测优势以及神经网络能有效处理数据的非线性、模糊信息的特点,提出使用灰色理论模型GM(1,1)对水质数据进行建模,再使用BP神经网络对实际值和预测值的残差进行建模,最后叠加上述两个模型,实现灰色神经网络组合式水质预测模型。通过对某水厂水质的预测值和实际值的比较,表明该模型对水质有较高的预测精度。 相似文献
6.
7.
8.
9.
10.
当观测资料的数据量少,而又存在多个相互影响或关联的变量时,常用的灰色预测模型GM(1,1)不能全面考虑多个变量。采用自适应MGM(1,n)模型———多变量灰色预测模型,较好地解决了这一问题。MGM(1,n)模型是GM(1,1)模型在n元多变量情况下的推广,通过联立求解n个n元微分方程,使模型中的参数能够反映实际工程或社会系统中多个变量间相互影响、相互制约的关系。以杭州市用水量统计资料为研究对象,运用灰色理论建立MGM(1,n)模型,获得了较好的预测效果。 相似文献