灰色误差神经网络模型在预测中的应用研究

doi:10.3778/j.issn.1002-8331.2009.18.070

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (18): 234-235.DOI: 10.3778/j.issn.1002-8331.2009.18.070

灰色误差神经网络模型在预测中的应用研究

林耀进^1,2,吴顺祥¹

1.厦门大学自动化系，福建厦门 361005
2.漳州师范学院计算机科学与工程系，福建漳州 363000

收稿日期:2008-04-10 修回日期:2008-07-09 出版日期:2009-06-21 发布日期:2009-06-21
通讯作者: 林耀进

Application research of grey error term and neural network model on prediction

LIN Yao-jin^1,2,WU Shun-xiang¹

1.Department of Automation，Xiamen University，Xiamen，Fujian 361005，China
2.Department of Computer Science & Engineering，Zhangzhou Normal College，Zhangzhou，Fujian 363000，China

Received:2008-04-10 Revised:2008-07-09 Online:2009-06-21 Published:2009-06-21
Contact: LIN Yao-jin

摘要/Abstract

摘要： 在分析GM（1，1）模型的建模机理的基础上，指出了传统建模方法的不足，即发现了预测数据序列中的第一点的值并不能用原始数据序列中第一点的值来代替，因为存在误差，同时给出了误差项的一般表达式，然后基于BP神经网络对误差项进行优化模型。结果表明，该模型拟合误差小，预测精度高。

关键词: 灰色系统, BP神经网络, GM（1, 1）模型, 误差项

Abstract: According to the building mechanism of GM（1，1），the existent weakness is pointed out to of traditional method build grey model，that is，the first point of original data is different with 1st point of predictive value that both exist an error term ?滋.Furthermore，by the error term ?滋，this paper formulates other error term of training data.The optimum model is given to error term on the basis of BP neural network.The results of experiment show that the model is valid，feasible and high precision.

Key words: grey system, BP neural network, GM（1, 1） model, error term

林耀进^1,2,吴顺祥¹. 灰色误差神经网络模型在预测中的应用研究[J]. 计算机工程与应用, 2009, 45(18): 234-235.

LIN Yao-jin^1,2,WU Shun-xiang¹. Application research of grey error term and neural network model on prediction[J]. Computer Engineering and Applications, 2009, 45(18): 234-235.

[1]	郑建锋，王应明. 基于DEA-BP神经网络的效率置信区间预测模型研究[J]. 计算机工程与应用, 2021, 57(3): 273-278.
[2]	黄晶晶，王建宏. 分数阶非因果BP神经网络模型[J]. 计算机工程与应用, 2021, 57(23): 91-97.
[3]	曹林根，宓超. 集装箱箱号字符识别算法研究[J]. 计算机工程与应用, 2021, 57(15): 178-185.
[4]	楚彭子，虞翊，林辉，袁建军，姜西. ATO系统速度控制的BP-FIPID算法[J]. 计算机工程与应用, 2020, 56(22): 224-229.
[5]	冯玉芳1，2，卢厚清1，殷宏1，曹林1. 基于BP神经网络的故障诊断模型研究[J]. 计算机工程与应用, 2019, 55(6): 24-30.
[6]	邓烜堃1，2，万良1，2，黄娜娜1，2. 基于DAE-BP神经网络的股票预测研究[J]. 计算机工程与应用, 2019, 55(3): 126-132.
[7]	沈艳，尹金姗，韩帅，韩煜. 基于数值积分公式的GM（1，1）模型优化研究[J]. 计算机工程与应用, 2019, 55(24): 41-45.
[8]	王勇，杨锦，王瑛. 改进Henon超混沌系统与AES结合的图像加密算法[J]. 计算机工程与应用, 2019, 55(22): 180-186.
[9]	顾婷婷，刘新会，桑庆兵，李朝锋. 基于双树复小波的无参考立体图像质量评价[J]. 计算机工程与应用, 2019, 55(2): 154-161.
[10]	杨霞，朱晓冬，刘元宁，冯家凯，刘帅. 分块小波特征结合BP神经网络的虹膜识别方法[J]. 计算机工程与应用, 2019, 55(18): 132-139.
[11]	卞京红1，贺兴时1，范钦伟1，伊宝民2. 基于自适应花授粉算法的BP神经网络结构优化[J]. 计算机工程与应用, 2018, 54(3): 50-56.
[12]	赵亚飞，韦广梅. 基于BP神经网络的有限元应力修匀的研究[J]. 计算机工程与应用, 2018, 54(13): 67-72.
[13]	韦鹏宇1，2，4，潘福成1，2，3，李帅3. 改进人工蜂群优化BP神经网络的分类研究[J]. 计算机工程与应用, 2018, 54(10): 158-163.
[14]	刘裕国，王浩，姚宏亮，李俊照. 水平窗口能量计算的股市趋势预测算法[J]. 计算机工程与应用, 2017, 53(21): 225-232.
[15]	周静1，赵鲁阳1，罗炬锋1，2. 基于时域特征提取的围栏入侵模式分类方法[J]. 计算机工程与应用, 2017, 53(21): 98-102.

灰色误差神经网络模型在预测中的应用研究

Application research of grey error term and neural network model on prediction

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics