共查询到20条相似文献,搜索用时 687 毫秒
1.
2.
针对当前技术创新能力评价方法大多建立在线性模型的基础上,且技术创新能力影响因素较多,可能存在多重共线性的缺陷,本文提出了遗传算法优化的BP神经网络模型。GA-BP神经网络模型在以下几方面做出了改进:①利用了神经网络强大的非线性关系映射能力,避免了传统线性模型的缺陷。②利用遗传算法对评价指标进行了降维,去除了多重共线性。③使用遗传算法从全局搜寻BP神经网络权值和阀值向量,优化了BP神经网络模型,避免了BP神经网络由于使用梯度下降算法,容易陷入局部最优解的缺陷。本文最后选取2008~2013年全国31个省市规模以上工业企业技术创新能力124条数据作为训练样本,31条数据作为测试样本,分别测试遗传算法优化的BP神经网络和未优化的BP神经网络,测试结果显示遗传算法优化的BP神经网络模型预测准确率高于未优化的BP神经网络模型。 相似文献
3.
4.
文章结合改进的径向基神经网络模型对石佛寺水库异重流泥沙淤积量进行模拟,并结合水库泥沙淤积量测定值对模型进行检验。结果表明:相比于传统模型,改进模型对模型变量进行优化调整,对于水库异重流泥沙淤积量预测的精度有明显改善。研究成果对于水库泥沙淤积的趋势预测方法具有参考价值。 相似文献
5.
6.
7.
BP神经网络对烟草销售量预测方法的改进研究 总被引:1,自引:0,他引:1
针对烟草销售量传统预测方法的不足,本文结合实际,应用BP神经网络模型对其进行了改进:把实际误差看作一组序列,进行逼近模拟,作为一个单独量加入最终结果,提高了预测的精度.本文的思路和方法可推广到其他社会经济数据序列的预测中去. 相似文献
8.
水库洪水预测对于水利工程的运行和管理至关重要。为精确预测洪水水位流量,研究以沁水县张峰水库为例,提出了一种基于特征提取的混合小波神经网络(WNN)方法来预测水库流量。通过小波变换处理,特征提取方法来确定人工神经网络的输入数。分析了水库洪水水位及流量变化规律,建立智能化预测模型并进行流量预测分析。研究结果表明:模型相关性值达到了0.99738,预测效果十分出色。研究发现特别在长期预测方面,提出的特征提取模型的表现优于同类模型。 相似文献
9.
为了对河流水质在一定时间的变化情况进行准确预测,研究分析了灰色预测方法、广义自回归条件异方差模型,考虑这两种方法的优势和不足,引入离散小波变换对时间序列进行处理,提出了基于3种算法的组合预测方法,给出了该组合预测方法的具体实现过程和算法要求,在Matlab编程实现该组合预测方法。以某河流水质为研究对象,利用该方法预测河流的水质变化情况,并和实际监测结果进行对比,预测结果表明:溶解氧、高锰酸盐指数、氨氮含量均和实测结果接近,吻合度高,平均相对误差较小,说明该组合预测方法可以有效地预测河流水质在未来短时间内的水质变化情况。 相似文献
10.
11.
12.
13.
针对传统土壤水入渗模型不能考虑纵向土壤水分布变化,引入非线性模型对传统模预测模型进行改进,并结合土壤水观测试验对改进前后模型的预测精度进行比对。结果表明:改进模型可综合考虑纵向土壤水分布变化,相比于改进前,土壤水含水量预测精度得到明显提升,相对误差平均降低%。研究成果对于土壤水入渗量非线性预测方法具有重要参考价值。 相似文献
14.
15.
文章引入改进的WPSO-SVR模型,对辽宁东部某流域内梯级电站的日入库径流量进行预测。预测结果表明:改进的WPSO-SVR模型可解决传统模型算次数较多且无法解决高维度计算优化的局限;相比于传统模型,改进模型在各梯级电站日入库径流预测相对误差减少9.5%,合格率提高36.7%。研究成果对于梯级电站日入库径流预测提供方法参考。 相似文献
16.
李娜 《石油工业技术监督》2023,(11):33-37
由于传统寿命预测方法依赖于失效数据信息,而大多数产品的失效数据非常有限,导致寿命预测准确性差。为此,研究了基于模糊c-均值聚类(fuzzy c-means clustering,FCM)的石油化工压力管道疲劳寿命预测方法,采用小波支持向量回归机建立退化轨迹模型,利用遗传算法优化模型参数;通过压力管道疲劳缺陷扩展计算模型,确定压力管道存在疲劳缺陷区域;使用FCM算法监测数据聚类过程,实现拐点估计与寿命预测。测试结果表明:利用FCM聚类算法监测不同聚类中心拐点的隶属度后,疲劳寿命预测结果与实际结果误差低于1.0 m/s,说明该方法具有较高的寿命预测准确性。 相似文献
17.
18.
为了解决边坡工程中非线性变化给稳定性预测造成的困难,建立了GA-BP神经网络计算模型预测岩质边坡稳定性。采用定性评价和相互作用矩阵复核的方式,选取边坡坡度、边坡高度、斜坡结构类型、岩体强度、控滑结构面倾角、岩体结构特征、地表变形强度、人类活动强度8个评价因子作为BP神经网络的输入变量;利用遗传算法对神经网络的初始权值和阈值进行优化后训练岩质边坡稳定性预测模型;对比分析GA-BP神经网络和BP神经网络的预测效果。结果表明,优化后的预测结果误差绝对值小于0.15的占85%,未优化的传统神经网络仅占45%,优化后的预测结果更加接近真实值,表明遗传算法对传统BP神经网络的优化是有效的。研究结果对建立岩质边坡稳定性预测模型具有一定的参考价值。 相似文献
19.