發(fā)布時(shí)間：2020-10-16 00:31

　　 本文首先對(duì)灰色預(yù)測(cè)建模和神經(jīng)網(wǎng)絡(luò)理論及各自的優(yōu)缺點(diǎn)進(jìn)行了分析研究,充分利用了灰色預(yù)測(cè)建模所需信息少、方法簡(jiǎn)單的優(yōu)點(diǎn)和神經(jīng)網(wǎng)絡(luò)具有較強(qiáng)的非線性映射能力的特點(diǎn),采用最小二乘法先確定灰色微分方程中參數(shù)的初始值,從而得到網(wǎng)絡(luò)的初始權(quán)值及閾值,進(jìn)而得到了預(yù)測(cè)精度更高且方便使用的灰色神經(jīng)網(wǎng)絡(luò)模型。 然后,針對(duì)基于離散響應(yīng)函數(shù)建立的灰色神經(jīng)網(wǎng)絡(luò)模型存在的問題,提出了基于時(shí)間響應(yīng)函數(shù)建立灰色神經(jīng)網(wǎng)絡(luò)模型的方法,并對(duì)現(xiàn)有的一階灰色神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)進(jìn)行改進(jìn),同時(shí)為了提高網(wǎng)絡(luò)的收斂速度,一是將灰色預(yù)測(cè)建模中的初值進(jìn)行了修正,二是在修改權(quán)值時(shí)采用逐漸減小學(xué)習(xí)速率的方法。 最后,結(jié)合中國環(huán)境科學(xué)研究院主持的課題《深圳市空氣污染控制規(guī)劃研究》,利用深圳市的污染物濃度監(jiān)測(cè)數(shù)據(jù)建立了基于GNNM(1, 1)、GNNM(2, 1)的空氣污染指數(shù)預(yù)報(bào)模型,進(jìn)行了上述研究成果的分析驗(yàn)證,表明灰色神經(jīng)網(wǎng)絡(luò)模型可以作為空氣污染預(yù)報(bào)的有效工具。
【學(xué)位單位】：吉林大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2006
【中圖分類】：X51;N941.5
【部分圖文】：

利用人工神經(jīng)元可以構(gòu)成各種不同拓?fù)浣Y(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)，就神經(jīng)網(wǎng)絡(luò)的主要連接型式而言，大致可以分為三類：前饋型網(wǎng)絡(luò)(Feedforward NNS)、反饋型網(wǎng)絡(luò)(Feedback NNS)和自組織網(wǎng)絡(luò)，分別見圖3.1.3、圖3.1.４和圖3.1.5。圖3.1.3 具有一個(gè)隱層的前饋網(wǎng)絡(luò) 圖3.1.４ 單層全連接反饋網(wǎng)絡(luò)

利用人工神經(jīng)元可以構(gòu)成各種不同拓?fù)浣Y(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)，就神經(jīng)網(wǎng)絡(luò)的主要連接型式而言，大致可以分為三類：前饋型網(wǎng)絡(luò)(Feedforward NNS)、反饋型網(wǎng)絡(luò)(Feedback NNS)和自組織網(wǎng)絡(luò)，分別見圖3.1.3、圖3.1.４和圖3.1.5。圖3.1.3 具有一個(gè)隱層的前饋網(wǎng)絡(luò) 圖3.1.４ 單層全連接反饋網(wǎng)絡(luò)

吉林大學(xué)碩士學(xué)位論文18圖3.1.5 自組織特征映射網(wǎng)絡(luò)知名的前饋網(wǎng)絡(luò)有感知器、BP網(wǎng)絡(luò)、HMM網(wǎng)絡(luò)等，尤其是BP網(wǎng)絡(luò)人們研究得最多，在許多領(lǐng)域得到了廣泛的應(yīng)用[23]。3.2 BP算法及改進(jìn)1986年，Rumelhart和McClelland對(duì)具有非線性激活函數(shù)的多層前饋網(wǎng)絡(luò)的權(quán)重進(jìn)行調(diào)整，提出了誤差反傳播的算法（Back Propagation,簡(jiǎn)稱BP），人們也常把按誤差反傳遞算法訓(xùn)練的多層前饋網(wǎng)絡(luò)直接稱為BP網(wǎng)絡(luò)。BP算法的訓(xùn)練過程可分為兩個(gè)過程：⑴ 輸入的信息流從輸入層，經(jīng)隱層到輸出層逐層處理并計(jì)算出各神經(jīng)元節(jié)點(diǎn)的實(shí)際輸出值，這一過程稱為信息流的正向傳遞過程；⑵ 計(jì)算網(wǎng)絡(luò)的實(shí)際輸出與訓(xùn)練樣本期望值的誤差
【引證文獻(xiàn)】

相關(guān)期刊論文 前2條

1 羅志平;周新志;古鐘璧;;基于數(shù)據(jù)挖掘的水文時(shí)間序列預(yù)測(cè)[J];計(jì)算機(jī)工程與應(yīng)用;2007年30期

2 萬仁保;羅招賢;;基于灰色神經(jīng)網(wǎng)絡(luò)算法的煤礦瓦斯涌出量預(yù)測(cè)模型研究[J];煤炭技術(shù);2012年11期

相關(guān)碩士學(xué)位論文 前2條

1 邢昕;灰色神經(jīng)網(wǎng)絡(luò)改進(jìn)算法及其應(yīng)用研究[D];華中科技大學(xué);2011年

2 潘琳;基于灰色系統(tǒng)的空氣質(zhì)量變化及影響因子分析[D];天津大學(xué);2012年

本文編號(hào)：2842467