基于灰色關(guān)聯(lián)分析的神經(jīng)網(wǎng)絡(luò)模型

《基于灰色關(guān)聯(lián)分析的神經(jīng)網(wǎng)絡(luò)模型》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。

1、萬方數(shù)據(jù)2008年9月系統(tǒng)工程理論與實(shí)踐第9期文章編號(hào)：1000．6788(2008)09-0098-07基于灰色關(guān)聯(lián)分析的神經(jīng)網(wǎng)絡(luò)模型蘇博1，劉魯1，楊方廷2(1．北京航空航天大學(xué)經(jīng)濟(jì)管理學(xué)院。北京100083；2．北京仿真中心，北京100854)摘要：在BP神經(jīng)網(wǎng)絡(luò)算法的基礎(chǔ)上，針對(duì)在多變量復(fù)雜系統(tǒng)建模過程中BP網(wǎng)絡(luò)輸入變量無法自動(dòng)尋優(yōu)的問題，將其與灰色關(guān)聯(lián)分析方法結(jié)合，建立基于灰色關(guān)聯(lián)分析的神經(jīng)網(wǎng)絡(luò)優(yōu)化算法(GM-BPANN)．并且使用中國(guó)糧食產(chǎn)量預(yù)測(cè)的數(shù)據(jù)，與逐步回歸方法和灰色GM(1，N

2、)模型方法進(jìn)行了比較檢驗(yàn)．結(jié)果表明，新模型通過灰色關(guān)聯(lián)度的計(jì)算，可以全面、廣泛地對(duì)大量的輸入變量進(jìn)行處理，而不必經(jīng)過專門的主觀篩選，從而增強(qiáng)了BP網(wǎng)絡(luò)的適應(yīng)能力，同時(shí)能夠得到較好的預(yù)測(cè)精度和穩(wěn)定性．關(guān)鍵詞：BP神經(jīng)網(wǎng)絡(luò)；灰色關(guān)聯(lián)分析；灰色GM(1，N)算法；中國(guó)糧食產(chǎn)量預(yù)測(cè)中圖分類號(hào)：N941．5文獻(xiàn)標(biāo)志碼：AResearchofartificialneuralnetworkforecastingmodelbasedongreyrelationalanalysisSUB01，LIULul，YANG

3、Fang-tin92(1School0fEconomics＆Management，BeinallgUniversity，Bdjing100083，China；2BeijingSimulationCenter，BeijiIlg100854，Claim)Ab麗髓ct：AimingattheBPartificialneuralnetworkunabletOautoselectandoptimizeinputvariables．thispaperintegratesBPANN硒t}I伊eyrelation

4、alanalysismethod，establishes鋤optilIlizedBPartificialneuralnetworkarithmefic(GM-BPANN)whichbasedOilthegreyrelationalanalysismethod．AndmakecomparisontestwithstepregressionmethodandgreyCM(1，N)methodusingdataofChina鼬output．Theresultshowsthatthe刪modelcande

5、alwithⅡ嘲inputvariableswithoutspecialsubjectiveselection．enhancestheadaptabilityofBPneuralnetwork．It咖alsogetsgoodforecastingstabilityandaccuracy．Keywords：BPartificialneuralnetwork；greyrelationalanalysis；greyGM(1，N)arithmetic；China薩IirIoutputforecast1引言

6、預(yù)測(cè)問題，實(shí)質(zhì)上就是以過去的已知狀況作為輸入，在預(yù)測(cè)算子作用下，得到未來結(jié)果輸出的過程．近十年來，隨著智能技術(shù)的發(fā)展，灰色系統(tǒng)理論預(yù)測(cè)技術(shù)、與專家系統(tǒng)相結(jié)合的預(yù)測(cè)技術(shù)、模糊推理預(yù)測(cè)技術(shù)、人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)技術(shù)等新技術(shù)新方法頻繁出現(xiàn)，解決了傳統(tǒng)方法的很多缺陷，得到了廣泛的應(yīng)用．神經(jīng)網(wǎng)絡(luò)作為一種重要的人工智能技術(shù)，在預(yù)測(cè)領(lǐng)域亦得到了廣泛的研究和應(yīng)用，其中使用最廣的是誤差反向傳播算法(BackPropagation，簡(jiǎn)稱BP)，自其創(chuàng)立以來，相關(guān)的研究論文和應(yīng)用成果層出不窮，涉及工程控制、經(jīng)濟(jì)管理、社會(huì)系

7、統(tǒng)、生態(tài)系統(tǒng)等眾多領(lǐng)域．國(guó)內(nèi)在這方面的研究并不落后，比較有代表性的如苑希民、李鴻雁?等對(duì)神經(jīng)網(wǎng)絡(luò)和遺傳算法在水科學(xué)領(lǐng)域的應(yīng)用展開研究，建立了暴雨、洪水和氣象預(yù)報(bào)的BP神經(jīng)網(wǎng)絡(luò)模型；李發(fā)斌和崔鵬[2]等人建立分析泥石流活動(dòng)性的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型；饒文碧和徐銳[3]等人利用神經(jīng)網(wǎng)絡(luò)解決機(jī)械加工中結(jié)構(gòu)損傷模型的識(shí)別問題等．近年來，針對(duì)BP網(wǎng)絡(luò)不能對(duì)多變量自動(dòng)尋優(yōu)，學(xué)習(xí)過程收斂慢，容易陷入局部極小等固有缺點(diǎn)，國(guó)內(nèi)外許多學(xué)者將粗糙集、遺傳算法【4刪等與其結(jié)合使用以達(dá)到優(yōu)化的目的．而對(duì)它的改進(jìn)也持續(xù)不斷，如

8、AmitGupta與SiuwaM．Lain【70針對(duì)有噪聲數(shù)據(jù)建立了權(quán)重遞減BP網(wǎng)絡(luò)；YutakaFukuoka【81等建立了一種避免陷入局部極小的修正BP網(wǎng)絡(luò)等．收稿Et期：2006-07-07資助項(xiàng)目：國(guó)家自然科學(xué)基金(70371004)；博士點(diǎn)基金(20040006023)。作者簡(jiǎn)介：蘇博(1975一)，男(漢)，山東菏澤人，北京航空航天大學(xué)博士研究生，研究方向?yàn)橄到y(tǒng)工程．萬方數(shù)據(jù)第9期基于灰色關(guān)聯(lián)分析的神經(jīng)網(wǎng)絡(luò)模型99灰色系統(tǒng)(Gray跏姍)理論也是近年來廣泛應(yīng)用的一種預(yù)測(cè)