基于改进的GRNN的销量预测

• 作者: 林健良 王红卫
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 相空间重构 广义回归神经网络 加权误差代价函数
• 年，卷（期）: 2010,（1）
• 所属期刊栏目: 研究与实现
• 页码范围: 153-155
• 页数: 3页
• 分类号: TP183
• 字数: 2878字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2010.01.042

摘要

根据灯具销量具有增长趋势和周期性二者合成的非线性特点,本文利用相空间重构理论确定GRNN的输入节点数,以加权误差代价函数代替传统误差代价函数为目标训练网络,采用粒子群优化算法优化平滑参数,并在此基础上将GRNN用于灯具销量的短期预测.与传统的BPNN相比,改进后的GRNN预测精度更高,抗噪声能力更强,模型更稳健.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	林健良	华南理工大学理学院	15	206	6.0	14.0
2	王红卫	华南理工大学理学院	21	113	5.0	10.0