共查询到20条相似文献,搜索用时 15 毫秒
1.
本文主要研究了基于改进指数平滑算法的气温预测问题。首先引入时间序列模型概念,对常用气温预测模型进行简要分析,另外对一阶指数平滑算法进行相关推导,同时提出了自适应指数平滑算法;其次,结合广西容县近30年月均气温实测数据,分别建立BP神经网络预测模型、传统指数平滑算法预测模型以及改进后的基于自适应指数平滑算法的预测模型,对2016年气温数据进行预测并分析模型优势;最后,将改进模型用于预测2017年和2018年中未知月份的月平均气温值,并针对实验结果进行数据分析修正。通过对不同预测模型的比较和仿真实验,结果表明基于自适应指数平滑算法的气温预测模型预测精度较高,实用性强,具有一定的推广性。 相似文献
2.
基于ARIMA-BP神经网络模型海流流速预测研究 总被引:1,自引:0,他引:1
海流是一种具有广阔应用前景的无污染可再生能源,结合ARIMA时间序列预测模型和BP神经网络预测模型的优点,构建ARMA-BP神经网络混合模型,对海流流速预测问题进行研究。采用神经网络模型得出海流流速的残差值对时间序列模型的预测值进行修正,提高了海流流速预测的精度。 相似文献
3.
为了解决我国农业灌溉自动化程度不够高,灌溉用水量不够精确等问题。本文使用基于遗传算法改进的BP神经网络建立了灌溉需水量预测模型,选取了对灌溉需水量的主要影响因素作为输入数据进行仿真实验,实验结果表明,遗传算法改进的神经网络算法能够准确预测灌溉需水量。 相似文献
4.
研究了VNNTF神经网络交通流量混沌时间序列预测的问题。首先,通过混沌理论提取了交通流量时间序列的混沌特征,并在此基础上建立了VNNTF神经网络交通流量时间序列模型;接着,阐述了VNNTF神经网络学习算法原理.设计了交通流量Voltem神经网络的学习算法快速学习算法:最后利用交通流量混沌时间序列对VNNTF网络模型、Voherra预测滤波器和BP神经网络进行了单步预测,并对预测结果的仿真图和真实值与预测值的方均根进行了比较,结果表明基于混沌学习算法的VNNTF神经网络的预测性能明显优于Volterra预测滤波器和BP神经网络。 相似文献
5.
提出一种数据挖掘技术的网络舆情组合预测模型。首先利用灰色模型GM模型对网络舆情进行预测,然后采用BP神经网络对GM模型预测结果进行修正,同时采有粒子群算法优化BP神经网络参数,最后采用某网络某热门话题对模型进行仿真实验。仿真结果表明,本文模型可以准确预测网络舆情变化趋势,提高了网络舆情预测精度。 相似文献
6.
7.
为了提高金融股票价格预测的准确性,分析了金融股票价时间序列的特点和规律,采用一种改进的BP神经网络建立时间序列预测模型,以中国石化股票价格走势作为案例进行分析和预测研究.结果表明基于大数集模糊BP神经网络具有良好的自组织性和自适应性,有很强的学习能力和抗干扰能力,基于大数集模糊BP神经网络对金融股票价进行预测是行之有效的. 相似文献
8.
9.
根据Kolmogorov连续性定理,本文建立了混沌—神经网络(C-ANN)预测模型;提出了基于遗传算法和神经网络的混沌预测模型与方法(C-ANN-GA混合预测方法);解决了混沌时间序列的非解析式预测问题;使混沌时间序列预测方法得到了新的改进和发展。 相似文献
10.
目前城市大气污染问题日益严重,为了更好的解决城市大气污染预测的准确性不足的问题,本文提出了一种基于时间序列和人工神经网络的城市大气污染预测模型。首先使用时间序列的方法对采集的数据进行统计,再将统计结果作为样本输入人工神经网络模型,然后将神经网络训练后得到的样本数据采用趋势外推法进行预测分析。仿真实验结果表明,本文提出的基于时间序列和人工神经网络的城市大气污染预测模型的预测结果与实际结果相当接近,本方案切实有效,值得推广使用。 相似文献
11.
BP神经网络图书文献经费预测模型 总被引:4,自引:0,他引:4
旨在应用BP神经网络的函数逼近功能,建立一维时间序列数据图书文献经费的预测模型。基于MAT-LAB6.5BP神经网络训练,得出的预测结果与各个示例的实际数值比较吻合。测试样本的训练结果表明,该模型适用于图书文献经费预测。 相似文献
12.
13.
14.
机场鸟情预测预报具有复杂性和分布性的特点,传统的面向结构和对象的方法已经不能给出一个描述系统行为以及互相之间信息交换的统一模型。论文采用面向Agent信息系统建模方法将现实世界看做多个具有自主行为的实体,提出了基于多Agent的中国机场鸟情预测预报系统的组织形式,即中央鸟情预测预报管理中心Agent、区域鸟情预测预报管理中心Agent和三级鸟情预测预报管理Agent。详细描述了各个Agent的功能以及之间的工作方式和合作机制,为中国机场鸟情预测预报系统的建立提供了理论依据。 相似文献
15.
16.
17.
《内蒙古科技与经济》2017,(13)
以金融时间序列(1990年~2014年上证指数)为研究对象,金融时间序列数据本身带有较大的波动性,有高频和低频的数据情况贯穿于整个时间序列。小波分析对于数据降噪较于传统的降噪方式有着明显的优势,分析对比小波变换在处理两种不同波频情况下的优势和方法。采用其适合小波分析和神经网络相结合的组合模型对其进行分析和预测,其思想是,先将时间序列进行小波分解,得到各级小波变换序列和尺度变换序列。根据不同级小波变换系数的情况,选择合适的神经网络训练函数建立预测模型,得到各级小波变换序列和最后一层尺度序列,运用小波重建技术得出原时间序列的预测值。最后和常规的BP神经网络比较预测效果。 相似文献
18.
19.
对时间序列的预测是一项重要的数据挖掘技术。本文将独立分量分析方法和小波神经网络相结合,建立一种ICA—WNN预测模型,并应用于风力发电功率时间序列预测。仿真结果表明所建模型具有较好的泛化性能,得到了较高的预测精度。 相似文献
20.
改进BP算法的辽宁省人均GDP预测研究 总被引:2,自引:0,他引:2
由于人均GDP时间序列具有复杂和非线性的特征,传统预测方法在预测分析时往往会产生很大的误差.运用Matlab软件采用不同的改进BP算法来建立和训练网络预测模型,以观测不同算法的精度和有效性;最后运用预测模型对辽宁省人均GDP进行了预测. 相似文献