基于GM（1,1）与反向传输神经网络的大学生体育成绩预测

发布时间：2021-08-01 13:20

　　为了提高预测精度,提出了基于灰色模型GM（1,1）与反向传输神经网络（BPNN）的大学生体育成绩预测方法。采用GM（1,1）对大学生体育成绩的变化趋势进行建模。采用BPNN对GM（1,1）的大学生体育成绩预测结果进行修正。将该文方法应用于中南财经政法大学的男生50 m跑成绩实例中。测试结果表明,该文方法的大学生体育成绩预测精度达到了97.59%。 

【文章来源】：南京理工大学学报. 2017,41(06)北大核心CSCD

【文章页数】：5 页

【文章目录】：
1 GM (1, 1) -BPNN的大学生体育成绩建模
2 GM (1, 1) -BPNN的大学生体育成绩预测
    2.1 GM (1, 1)
    2.2 BPNN
    2.3 BPNN-GM (1, 1) 的大学生体育成绩预测步骤
3 GM (1, 1) -BPNN的大学生体育成绩预测实证研究
    3.1 数据来源与评价指标
    3.2 结果与分析
4 结束语


【参考文献】：
期刊论文
[1]自适应神经网络在UPQC补偿量检测中的应用[J]. 姜艳华,王彦文.  南京理工大学学报. 2015(02)
[2]非线性筛选因子和加权的体育成绩建模与预测[J]. 刘昊.  计算机应用与软件. 2014(11)
[3]改进BP神经网络模型在小康水利综合评价中的应用[J]. 崔东文,金波.  河海大学学报(自然科学版). 2014(04)
[4]多隐层BP神经网络模型在径流预测中的应用[J]. 崔东文.  水文. 2013(01)
[5]基于模糊神经网络的刘翔110m栏成绩预测[J]. 刘国璧,袁宏俊,孙群,孟涛.  安徽电子信息职业技术学院学报. 2011(01)
[6]奥运会男子现代五项前三名成绩的灰色马尔可夫链预测模型的研究[J]. 邓美兰.  数学的实践与认识. 2011(02)
[7]神经网络模型在运动成绩预测中的应用[J]. 李征宇,闫生.  哈尔滨体育学院学报. 2009(02)
[8]我国优秀男子十项全能运动员竞技特征及实力分析[J]. 许晶.  广州体育学院学报. 2008(05)
[9]应用BP神经网络算法对运动成绩预测的实证研究[J]. 王宗平,孙光.  南京体育学院学报(社会科学版). 2006(04)
[10]我国十项全能运动成绩的因子分析及灰色系统回归预测研究[J]. 魏春玲.  体育科学. 2004(11)



本文编号：3315601