改进粒子群算法优化灰色神经网络预测模型及其应用 |
| |
引用本文: | 周飞,吕一清,石林娜.改进粒子群算法优化灰色神经网络预测模型及其应用[J].统计与决策,2017(11):66-70. |
| |
作者姓名: | 周飞 吕一清 石林娜 |
| |
作者单位: | 1. 四川大学经济学院,成都,610041;2. 暨南大学深圳旅游学院,广东深圳,518053;3. 四川省科技促进发展研究中心,成都,610041 |
| |
摘 要: | 文章针对神经网络存在局部最优、收敛速度慢以及大样本等缺点,将改进的粒子群算法、灰色模型和神经网络模型有机结合,构建了改进粒子群优化灰色神经网络预测模型(IPSO-GMNN).并与其他预测模型进行比较,实证结果表明:IPSO-GMNN预测模型能够克服神经网络预测模型的不足,更好地识别时间序列的非线性和突变性特征.在对我国专利授权数量的预测应用中,新模型对非线性时间数据预测表现出更好的预测精度和稳定性.
|
关 键 词: | 粒子群算法 灰色神经网络模型 专利授权数量 预测 |
Gray Neural Network Forecasting Model and Its Application Based on Improved Particle Swarm Algorithm Optimization |
| |
Authors: | Zhou Fei Lv Yiqing Shi Lingna |
| |
Abstract: | |
| |
Keywords: | |
本文献已被 万方数据 等数据库收录! |
|