基于灰色神经网络组合模型的动态数据序列预测

• 作者: 唐超 孙浚清 张弦 李世平
• 来源期刊: 电子测量技术
• 学科: 工学
• 关键词: 动态数据序列 灰色预测 BP神经网络 灰色神经网络组合模型
• 年，卷（期）: 2007,（9）
• 所属期刊栏目: 研究设计
• 页码范围: 60-63
• 页数: 4页
• 分类号: TP183
• 字数: 2628字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-7300.2007.09.018

摘要

为了提高动态数据序列的预测精度,分析了现有BP神经网络和灰色预测方法各自的优缺点,并在此基础上建立了灰色神经网络组合模型.组合模型兼有BP神经网络和灰色预测的优点,弥补了单个模型的不足,既克服了数据波动性大对预测精度的影响,也增强了预测的自适应性.本方法利用灰色预测中的累加生成运算对原始数据进行变换,从而得到规律性较强的累加数据,便于神经网络进行建模和训练,并利用神经网络的函数逼近特性,实现对原始数据的预测.仿真结果表明:组合模型的预测精度高于单独的GM(1,1)模型,适用于具有复杂成分的动态数据序列的建模.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李世平		62	395	11.0	17.0
2	张弦		22	319	12.0	17.0
3	孙浚清		8	110	6.0	8.0
4	唐超		9	111	6.0	9.0