期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到954篇文章
< 1 2 … 48 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
广义神经网络在数据流量预测中的应用仿真
1
作者 姚迎乐 冯乃勤 《计算机仿真》 2024年第4期382-386,共5页
在超大数据量的流量预测中,数据易出现缺陷、错误或不完整问题。广义神经网络因其对数据处理具有较强的鲁棒性和容错能力,因此研究广义神经网络在数据流量预测中的应用,并对应用效果完成验证。将数据流量预测作为研究目标,分析数据流量... 在超大数据量的流量预测中,数据易出现缺陷、错误或不完整问题。广义神经网络因其对数据处理具有较强的鲁棒性和容错能力,因此研究广义神经网络在数据流量预测中的应用,并对应用效果完成验证。将数据流量预测作为研究目标,分析数据流量特征,获取数据流量时空特征和空间维度两者对应的空间相关性特征。选择和被测网络相关性最大的数据流量作为广义神经网络的输入,构建基于广义神经网络的数据流量预测模型。为验证广义神经网络的应用效果,设计对比测试实验。结果表明,广义神经网络在数据流量预测中具有可行性,且算法应用下数据流量预测误差更小。 展开更多
关键词 广义神经网络 数据流量 时空特征 空间维度 流量预测
在线阅读 下载PDF
基于粒子群广义神经网络的系统边际价格预测方法 被引量：6
2
作者 林志玲 朱立忠 +1 位作者 张大鹏 高立群 《电网技术》 EI CSCD 北大核心 2007年第1期79-83,共5页
提出了一种利用改进粒子群算法优化广义神经网络的平滑因子,并采用优化后的网络预测系统边际价格的方法,该方法克服了利用梯度下降法优化平滑因子时易陷入局部极值点以及利用遗传算法优化平滑因子时收敛速度慢等缺点。采用该方法利用美... 提出了一种利用改进粒子群算法优化广义神经网络的平滑因子,并采用优化后的网络预测系统边际价格的方法,该方法克服了利用梯度下降法优化平滑因子时易陷入局部极值点以及利用遗传算法优化平滑因子时收敛速度慢等缺点。采用该方法利用美国加州电力市场公布的历史数据进行系统边际价格预测,结果表明本文提出的方法比传统的BP网络预测方法更有效。 展开更多
关键词 电力市场 系统边际价格 广义神经网络 粒子群优化 预测
在线阅读 下载PDF
广义神经网络的研究及其在交通流预测中的应用 被引量：27
3
作者 谭国真 丁浩 《控制与决策》 EI CSCD 北大核心 2002年第B11期777-780,784,共5页
提出一种基于线性独立函数的智能神经元模型 ,理论分析表明这种智能神经元比普通神经元具有更高的知识存储能力 ,可使整个神经网络的信息处理能力得到大大增强。将这种智能神经元组成的广义神经网络应用于交通流预测 ,对大连市实测交通... 提出一种基于线性独立函数的智能神经元模型 ,理论分析表明这种智能神经元比普通神经元具有更高的知识存储能力 ,可使整个神经网络的信息处理能力得到大大增强。将这种智能神经元组成的广义神经网络应用于交通流预测 ,对大连市实测交通流数据进行了预测分析。实验结果表明 ,该广义神经网络的预测效果远远优于常规 BP网络 ,具有较高的实用价值。 展开更多
关键词 广义神经网络 交通流预测 智能神经元 人工神经网络 智能交通系统
在线阅读 下载PDF
并行广义神经网络的交通流预测 被引量：4
4
作者 王凡 谭国真 +1 位作者 史慧敏 徐玉霞 《计算机工程与应用》 CSCD 北大核心 2010年第17期229-231,共3页
实时、准确的交通流预测是智能交通诱导实现的前提和关键。针对BP神经网络学习过程收敛速度慢、容易陷入局部极小的缺点,引入智能神经元组成的广义神经网络建立交通流预测模型,同时给出基于训练集分解和动态通信模式的并行学习算法来提... 实时、准确的交通流预测是智能交通诱导实现的前提和关键。针对BP神经网络学习过程收敛速度慢、容易陷入局部极小的缺点,引入智能神经元组成的广义神经网络建立交通流预测模型,同时给出基于训练集分解和动态通信模式的并行学习算法来提高广义神经网络的收敛速度,并利用大连市的实际交通流数据进行预测分析。实验结果表明,并行广义神经网络能够满足交通流量预测实时性、精确性的要求,具有一定的应用价值。 展开更多
关键词 交通流预测 广义神经网络 并行计算
在线阅读 下载PDF
具有时滞的广义神经网络的稳定性分析 被引量：2
5
作者 赵维锐 朱慧颖 张青 《武汉理工大学学报（信息与管理工程版）》 CAS 2008年第2期193-196,共4页
对于具有时滞的广义神经网络,利用Liapunov函数方法、线性矩阵不等式以及积分不等式等技巧,给出了该神经网络模型的平衡点的存在性、惟一性以及全局指数稳定的一些充分条件。通过对这些结论和已有结果的比较,说明所得到的这些条件推广... 对于具有时滞的广义神经网络,利用Liapunov函数方法、线性矩阵不等式以及积分不等式等技巧,给出了该神经网络模型的平衡点的存在性、惟一性以及全局指数稳定的一些充分条件。通过对这些结论和已有结果的比较,说明所得到的这些条件推广了已有文献中的结果,并得到了神经网络稳定性的新的条件。这些条件对于神经网络的设计具有指导作用。 展开更多
关键词 广义神经网络 时滞 全局指数稳定
在线阅读 下载PDF
广义神经网络系统与广义BP算法 被引量：1
6
作者 王耀 李涛 《小型微型计算机系统》 CSCD 北大核心 2001年第8期967-970,共4页
本文在传统的神经网络理论基础上 ,将传统的神经元拓广为广义神经元 ,描述了以广义神经元为基础的广义神经网络系统的组成原理 .提出了适应于广义神经网络系统的一种广义 BP算法 ,并给出了该算法的数学推导 .
关键词 广义神经网络系统 广义BP算法 面向对象 汉字识别
在线阅读 下载PDF
广义神经网络及其稳定性、容错性分析
7
作者 刘光中 罗登耀 《运筹学学报》 CSCD 1998年第3期60-67,共8页
本文建立了一个广义神经网络模型，并研究了它的渐近稳定性和指数稳定性，由这些结果我们可以估计各记忆模式的吸引域及其中每一点趋向记忆模式的指数收敛速度，以此来评价网络的容错能力．
关键词 广义神经网络 指数稳定 容错性 稳定性 神经网络
在线阅读 下载PDF
基于广义神经网络多目标铣削参数自适应研究 被引量：3
8
作者 徐智超 杜茂华 +1 位作者 栾建举 贺志林 《工具技术》 北大核心 2021年第4期13-17,共5页
为了研究多参数多目标自适应优化,通过Ti6Al4V铣削试验采集了各铣削参数水平下的铣削力和工件表面粗糙度数值,以控制铣削力和表面粗糙度值为目标,对各水平铣削参数进行稳健设计优化,获得铣削参数的非劣解集。基于非劣解集数据,采用广义... 为了研究多参数多目标自适应优化,通过Ti6Al4V铣削试验采集了各铣削参数水平下的铣削力和工件表面粗糙度数值,以控制铣削力和表面粗糙度值为目标,对各水平铣削参数进行稳健设计优化,获得铣削参数的非劣解集。基于非劣解集数据,采用广义神经网络算法建立铣削参数自适应优化训练模型,将训练模型预测的数据与非劣解集中的参数进行对比,结果显示二者具有很好的一致性。因此,该自适应模型能够通过限定的铣削力和粗糙度目标值预测得出自适应优化的切削速度、进给量、轴向切削深度和径向切削深度参数值。铣削参数的自适应调节方法为:当所限定的铣削力和粗糙度值所对应的参数值与预测值之间的均方误差超过10%时,则先前的铣削参数会自适应调节为广义神经网络模型预测的值。 展开更多
关键词 铣削参数 广义神经网络算法 自适应优化
在线阅读 下载PDF
基于广义神经网络与模糊聚类的变压器故障诊断 被引量：17
9
作者 张宇航 兰生 《高压电器》 CAS CSCD 北大核心 2016年第5期116-120,125,共6页
鉴于IEC三比值法在变压器故障诊断中,存在编码缺失和编码边界过于绝对等缺陷,提出了基于广义回归神经网络(GRNN)和模糊C-均值聚类算法(FCM)的变压器故障诊断方法,建立了GRNN-FCM联合变压器故障诊断模型。选取变压器油中5种特征气体体积... 鉴于IEC三比值法在变压器故障诊断中,存在编码缺失和编码边界过于绝对等缺陷,提出了基于广义回归神经网络(GRNN)和模糊C-均值聚类算法(FCM)的变压器故障诊断方法,建立了GRNN-FCM联合变压器故障诊断模型。选取变压器油中5种特征气体体积分数及其三比值编码作为输入特征向量,利用GRNN模型对样本故障进行初步判断(正常、过热、放电、放电兼过热),再采用模糊C-均值聚类算法对样本故障作进一步判断,最终得到具体的故障类型。将该模型与其他几种故障诊断方法进行对比分析,仿真实验结果表明,GRNN-FCM联合变压器故障诊断模型输出值与实际值具有较好一致性且准确度更高,验证了该模型的可行性及实用性。 展开更多
关键词 电力变压器 IEC三比值法 广义回归神经网络 模糊C-均值聚类算法 故障诊断
在线阅读 下载PDF
改进DE与广义神经网络在变压器故障诊断中的仿真研究 被引量：2
10
作者 杨有婵 黄哲 周惠龙 《电气开关》 2012年第5期30-33,37,共5页
针对微分进化DE(differential evolution)算法存在的过早出现收敛而易陷入局部最优值的不足,提出了改进DE算法与模糊聚类相结合的广义神经网络的变压器故障诊断新方法。该方法根据变压器油中的5种特征气体含量,利用自适应调整策略改进... 针对微分进化DE(differential evolution)算法存在的过早出现收敛而易陷入局部最优值的不足,提出了改进DE算法与模糊聚类相结合的广义神经网络的变压器故障诊断新方法。该方法根据变压器油中的5种特征气体含量,利用自适应调整策略改进微分进化参数而进行优化模糊聚类目标函数,同时广义神经神经网络又可以发挥其训练速度快和逼近效果好等方面的优势,得出故障类型。从仿真实验结果来看,将该混合算法进行变压器故障诊断其准确率和收敛速度快都有了很好的改善,相比改进DE神经网络和FCM神经网络其逼近效果也是最好的,有利于更好的诊断故障,并通过样本验证结果进行比较。该模型简单易于实现,具有很强的实用性和泛化性。 展开更多
关键词 电力变压器 改进微分进化 模糊聚类 广义神经网络 故障诊断
在线阅读 下载PDF
一类带有时滞的模糊分数阶广义神经网络的定性分析
11
作者 饶绍斌 吕小俊 +1 位作者 聂家升 郝冰 《贵州大学学报（自然科学版）》 2023年第5期15-22,共8页
一阶半线性微分方程的欧拉差分在过去十几年里得到了迅速的发展,并得出了一些很好的结果。因此,各种欧拉差分方法已成为非常重要的研究课题。本文主要研究了带有时滞的模糊分数阶广义神经网络,利用分数阶微积分中的常数变分公式,建立了... 一阶半线性微分方程的欧拉差分在过去十几年里得到了迅速的发展,并得出了一些很好的结果。因此,各种欧拉差分方法已成为非常重要的研究课题。本文主要研究了带有时滞的模糊分数阶广义神经网络,利用分数阶微积分中的常数变分公式,建立了一类具有时滞的模糊分数阶广义神经网络的差分模型,并对该差分模型进行了定性分析。首先,利用压缩映射原理证明了差分模型有界解和平衡点的存在唯一性;其次,利用不等式放缩技巧和反证法,证明了差分模型解的指数稳定性。本文的研究成果,一方面可以丰富这类神经网络的理论成果;二方面可以拓展这类神经网络的应用范畴。 展开更多
关键词 CAPUTO分数阶导数 广义神经网络 差分方程 平衡点 指数稳定
在线阅读 下载PDF
基于广义神经网络的轨道电路故障诊断方法研究 被引量：3
12
作者 孙彤 褚俊英 刘玉杰 《电子测试》 2020年第5期62-64,共3页
针对ZPW-2000型轨道电路故障诊断难、诊断效率低等问题,提出一种基于模糊c均值聚类算法(FCM)和广义神经网络(GRNN)结合的ZPW-2000型轨道电路故障诊断方法。首先采用模糊c均值聚类对故障样本数据分为9类,并得到每类的聚类中心和个体模糊... 针对ZPW-2000型轨道电路故障诊断难、诊断效率低等问题,提出一种基于模糊c均值聚类算法(FCM)和广义神经网络(GRNN)结合的ZPW-2000型轨道电路故障诊断方法。首先采用模糊c均值聚类对故障样本数据分为9类,并得到每类的聚类中心和个体模糊隶属度矩阵,再采用广义神经网络对样本数据作近一步判断,最后采用现场故障数据进行验证,得到较好的诊断精度,因此该法能够为现场维护人员提供诊断辅助,提高了诊断效率。 展开更多
关键词 ZPW-2000 糊c均值聚类算法 广义神经网络 故障诊断
在线阅读 下载PDF
基于广义神经网络的网络攻击检测与分类方法 被引量：3
13
作者 张明明 刘凯 +5 位作者 李贤慧 许梦晗 顾颖程 张见豪 程环宇 王永利 《信息安全研究》 CSCD 2023年第6期593-601,共9页
如今虚拟世界日趋复杂,网络攻击和新出现的安全威胁逐步增加,因此需要研究针对网络攻击的智能化检测和分类方法,以全面地观察网络活动,阻止恶意行为.提出了一种基于广义回归神经网络(generalized regression neural networks,GRNN)建立... 如今虚拟世界日趋复杂,网络攻击和新出现的安全威胁逐步增加,因此需要研究针对网络攻击的智能化检测和分类方法,以全面地观察网络活动,阻止恶意行为.提出了一种基于广义回归神经网络(generalized regression neural networks,GRNN)建立的入侵检测模型,对恶意网络攻击进行智能化检测和分类,并使用主流的NSL-KDD数据集进行了测试.实验结果表明,所提出的技术相较于目前的其他攻击检测技术,能够更加有效地对恶意行为进行识别与分类. 展开更多
关键词 智能化攻击检测 入侵检测系统 广义回归神经网络 恶意行为 检测
在线阅读 下载PDF
基于改进广义神经网络的光伏阵列短期功率预测 被引量：3
14
作者 杨德州 尹立夫 +2 位作者 王洲 刘永成 王慧娟 《电子器件》 CAS 北大核心 2022年第3期722-726,共5页
光伏系统短期预测对调度电力资源、较少弃光用电、提升电站效能及维持光伏系统平稳运行具有重要意义。考虑到光伏系统输出参数如功率受到天气因素影响,是一个非平稳随机信号。对非平稳随机信号的短期预测,传统数学模型方法具有局限性。... 光伏系统短期预测对调度电力资源、较少弃光用电、提升电站效能及维持光伏系统平稳运行具有重要意义。考虑到光伏系统输出参数如功率受到天气因素影响,是一个非平稳随机信号。对非平稳随机信号的短期预测,传统数学模型方法具有局限性。基于广义神经网络方法并通过前期数据预处理提取趋势项信号,进行分类别模型训练,获得较为精准不同天气类型的训练模型。实验表明所提出的方法在各类天气类型下,对于短期功率预测具有较高的准确性,可为光伏电站平稳运行、区域电力调度提供参考依据。 展开更多
关键词 光伏阵列 广义回归神经网络 FCM聚类 功率预测
在线阅读 下载PDF
基于广义回归神经网络的光纤光栅传感器解调技术研究
15
作者 夏翔 李贤良 +3 位作者 潘华 闫东 张晓锋 张云辉 《电测与仪表》 北大核心 2025年第2期62-68,共7页
针对现有光纤光栅传感器波长峰值检测方法存在的误差大、稳定性差等问题,提出了一种基于广义回归神经网络和改进粒子群优化算法的光纤光栅传感器波长峰值检测方法。通过改进的粒子群优化算法对广义回归神经网络的平滑因子进行寻优,提高... 针对现有光纤光栅传感器波长峰值检测方法存在的误差大、稳定性差等问题,提出了一种基于广义回归神经网络和改进粒子群优化算法的光纤光栅传感器波长峰值检测方法。通过改进的粒子群优化算法对广义回归神经网络的平滑因子进行寻优,提高广义回归神经网络中心波长计算的准确性。通过试验分析所提方法在不同中心波长下的性能。结果表明,所提方法比传统方法更稳定,解调误差更小,整体中心波长绝对偏差降低了35.90%和24.24%,相对波长变化偏差降低了20.00%和13.04%。 展开更多
关键词 光纤光栅 峰值检测 中心波长 粒子群优化算法 广义回归神经网络
在线阅读 下载PDF
综合半参数变系数和GRNN神经网络的对流层延迟模型
16
作者 潘雄 张思莹 +3 位作者 李涛 黄伟凯 金丽宏 张红星 《地球物理学报》 北大核心 2025年第1期54-65,共12页
对流层延迟是卫星导航定位的主要误差源之一,精准地预测对流层延迟对于提高全球导航卫星系统的定位精度至关重要.本文将半参数变系数模型(Semiparametric Varying Coefficient,Semi-VC)引入到对流层延迟建模中,构建一种综合半参数变系... 对流层延迟是卫星导航定位的主要误差源之一,精准地预测对流层延迟对于提高全球导航卫星系统的定位精度至关重要.本文将半参数变系数模型(Semiparametric Varying Coefficient,Semi-VC)引入到对流层延迟建模中,构建一种综合半参数变系数与神经网络的新型经验对流层模型.首先,将频谱分析提取的主周期信号作为参数分量,将剩余周期信号和其他误差归入到非参数分量,建立半参数对流层天顶延迟模型(Semiparametric tropospheric zenith delay model,Semi);其次,为了减弱核函数和窗宽参数选择对估计值精度的影响,利用泰勒展式将参数分量展开到一次项,将窗宽参数与参数解算综合考虑,扩充为半参数变系数模型,综合核估计和最小二乘法,利用三步估计方法得到了参数分量和非参数分量的估计值及观测值的拟合残差;然后,引入广义回归神经网络模型(Generalized Regression Neural Network,GRNN)对拟合残差进行补偿建模,利用贝叶斯优化算法(Bayesian Optimization Algorithm,BOA)进行超参数选择,进一步提升混合模型对ZTD(Zenith Tropospheric Delay)的估计精度.最后,利用陆态网络2020至2022年的210个GNSS(Global Navigation Satellite System)测站的实测数据,对本文提出的半参数变系数与广义回归神经网络组合模型(Semiparametric Varying Coefficient-GRNN,Semi-VC-GRNN)与常用模型从系统误差分离和时空分布特性方面进行了对比分析.结果表明,Semi-VC-GRNN模型在2022年210个测站的测试中平均RMSE(Root Mean Square Error)和平均Bias分别为16.8 mm和0.4 mm,平均RMSE相较于5°分辨率和1°分辨率下的GPT3模型分别提升51.25%和50.07%. 展开更多
关键词 天顶对流层延迟 半参数变系数模型 广义回归神经网络模型 陆态网络
在线阅读 下载PDF
广义回归神经网络修正GNSS垂向坐标时间序列环境负荷效应
17
作者 高菡 匡翠林 楚彬 《地球物理学报》 SCIE EI CAS CSCD 北大核心 2024年第9期3357-3366,共10页
环境负荷通常会引起GNSS垂向坐标时间序列发生非线性变化,对其影响进行精细改正是GNSS坐标时间序列研究中的一项重要内容.传统的物理模型环境负荷改正方法在模型建立与参数求解等过程中需引入部分简化与近似,导致改正不够精细.本文引入... 环境负荷通常会引起GNSS垂向坐标时间序列发生非线性变化,对其影响进行精细改正是GNSS坐标时间序列研究中的一项重要内容.传统的物理模型环境负荷改正方法在模型建立与参数求解等过程中需引入部分简化与近似,导致改正不够精细.本文引入数据驱动的广义回归神经网络(Generalized Regression Neural Network,GRNN)方法改善环境负荷修正效果.以川滇地区GNSS测站的垂向坐标时间序列为研究对象,首先基于变分贝叶斯独立分量分析(Variational Bayesian Independent Component Analysis,vbICA)技术分离坐标序列,分析得到周期性分量,发现大气及陆地储水负荷是引起测站坐标发生季节性变化的重要原因.然后通过GRNN建立与大气及陆地储水相关的环境因素数据和坐标时间序列数据之间的关联,进而消除坐标时间序列中两种环境负荷的影响.经数据驱动的GRNN建模修正大气及陆地储水负荷影响后,各测站坐标残差序列的RMS值平均降低了21.56%,而采用传统的物理模型方法修正后平均降低幅度仅为9.29%,可认为基于GRNN方法的改正效果更好.另外顾及地下温度、冰浓度、比湿、降雨率四种气候因素的影响建立GRNN模型,结果表明地下温度因素对川滇地区GNSS测站垂向坐标影响稍大. 展开更多
关键词 GNSS坐标时间序列 环境负荷 广义回归神经网络 数据驱动
在线阅读 下载PDF
基于鹈鹕优化算法优化广义回归神经网络的电动汽车充电负荷短期预测
18
作者 陈晓华 吴杰康 +2 位作者 张勋祥 龙泳丞 王志平 《山东电力技术》 2024年第7期1-9,共9页
针对目前电动汽车充电负荷预测精度不足的问题,提出了一种结合互补集合经验模态分解和鹈鹕优化算法优化广义回归神经网络的组合预测方法。首先,利用互补集合经验模态分解将电动汽车充电负荷时间序列分解成多个固有模态函数分量和一个残... 针对目前电动汽车充电负荷预测精度不足的问题,提出了一种结合互补集合经验模态分解和鹈鹕优化算法优化广义回归神经网络的组合预测方法。首先,利用互补集合经验模态分解将电动汽车充电负荷时间序列分解成多个固有模态函数分量和一个残差分量。其次,对于分解后的固有模态分量容易出现冗杂信息,利用样本熵对分解后数值相近的固有模态分量进行相加重构,降低冗杂程度。最后,考虑广义回归神经网络的预测效果与平滑因子的数值有很大关系,利用鹈鹕优化算法优化广义回归神经网络的平滑因子,进而对电动汽车充电负荷进行短期预测。仿真表明,所提出的预测方法可以有效地提高电动汽车充电负荷的预测精度,具有较高的实用性。 展开更多
关键词 广义回归神经网络 鹈鹕优化算法 电动汽车充电负荷 短期预测 互补集合经验模态分解
在线阅读 下载PDF
基于木材振动特性的月琴声学品质广义回归神经网络预测模型
19
作者 杨扬 《森林工程》 北大核心 2024年第4期160-167,共8页
泡桐木始终是制造乐器谐振元件的重要材料,对乐器的音质有着重要的影响。采用广义回归神经网络(General Regression Neural Network,GRNN)建立基于共鸣板振动性能的月琴音质评价模型。以制造出的9把月琴为研究对象,根据月琴的音质评价... 泡桐木始终是制造乐器谐振元件的重要材料,对乐器的音质有着重要的影响。采用广义回归神经网络(General Regression Neural Network,GRNN)建立基于共鸣板振动性能的月琴音质评价模型。以制造出的9把月琴为研究对象,根据月琴的音质评价以及制备月琴的共鸣板信息,提出月琴音质的预测模型。在180组数据中,随机抽取135组数据进行训练,其余45组数据进行验证。使用主成分分析方法、GRNN建立月琴声学质量评价模型,并进行仿真预测。结果表明,基于共鸣板的振动特性,利用Matlab仿真可以实现对月琴音质的预测,预测的准确率可达到91.41%。此外,研究还表明,泡桐木共鸣板的动态弹性模量、声辐射阻尼系数、弹性模量、剪切模量比、声阻抗,损耗角正切和声转化率等参数均是影响其制备成品月琴声学质量的重要因素。 展开更多
关键词 广义回归神经网络 主成分分析 声学品质 振动特性 共鸣板 木材 民族乐器
在线阅读 下载PDF
基于广义回归神经网络的电力系统中长期负荷预测 被引量：17
20
作者 姚李孝 刘学琴 +1 位作者 伍利 薛美娟 《电力自动化设备》 EI CSCD 北大核心 2007年第8期26-29,共4页
在介绍广义回归神经网络(GRNN)基本算法、网络结构及平滑参数确定方法的基础上,提出将误差序列的均方值作为网络性能的评价指标并采用最小误差对应的平滑参数,建立了GRNN的预测模型。提出了确定输入神经元数目的方法:根据自回归模型阶... 在介绍广义回归神经网络(GRNN)基本算法、网络结构及平滑参数确定方法的基础上,提出将误差序列的均方值作为网络性能的评价指标并采用最小误差对应的平滑参数,建立了GRNN的预测模型。提出了确定输入神经元数目的方法:根据自回归模型阶次的选择经验初步确定输入神经元数目m;在m值附近进行搜索,对于每一个m值,确定平滑参数后,计算网络对学习样本的预测误差;根据BIC准则评价指标的最小值确定输入神经元数目。将模型应用于某地中长期电力网负荷预测,分别进行了单步预测和多步预测。与BP神经网络模型的预测进行比较,结果表明,采用该方法的预测精度明显高于BP模型,即使在训练集样本数据较少时,该方法的预测准确度仍然很高。 展开更多
关键词 广义神经网络 中长期负荷预测 时间序列预测 BIC准则
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 48 下一页 到第 页
使用帮助 返回顶部