小波分析与粒子群算法优化的灰色神经网络模型

发布时间：2021-06-16 19:30

　　针对灰色模型在测量数据波动较大时预测精度下降的缺陷,本文提出了采用小波分析与粒子群算法优化后的BP神经网络对灰色模型进行优化,生成了基于小波分析和粒子群算法优化的灰色神经网络预测模型。并使用青岛市航运中心的沉降观测数据对优化后的灰色模型进行精度验证,证明优化后的模型的预测精度相比于传统的灰色模型与经过小波降噪后的灰色模型,预测精度有了进一步提高。 

【文章来源】：测绘与空间地理信息. 2018,41(05)

【文章页数】：4 页

【文章目录】：
0 引言
1 小波降噪
2 GM (1, 1) 灰色预测模型
3 粒子群-BP神经网络算法
4 实例与结果分析
5 结束语


【参考文献】：
期刊论文
[1]基于小波去噪的变形监测数据处理的方法研究[J]. 黄清,唐诗华,许虹伟.  北京测绘. 2015(06)
[2]基于灰色模型和模糊神经网络的综合水质预测模型研究[J]. 张颖,高倩倩.  环境工程学报. 2015(02)
[3]灰色线性回归组合模型在北京地面沉降分层预测中的应用[J]. 周毅,罗郧,贾三满,田芳.  城市地质. 2014(04)
[4]基于小波分析的最小二乘拟合及应用[J]. 王江荣.  自动化仪表. 2012(02)
[5]小波降噪阈值选取的研究[J]. 余晃晶.  绍兴文理学院学报(自然科学). 2004(09)
[6]基于粒子群优化的神经网络训练算法研究[J]. 高海兵,高亮,周驰,喻道远.  电子学报. 2004(09)



本文编号：3233654