神經(jīng)網(wǎng)絡(luò)與灰色預(yù)測仲曉虹2024/1/9BP神經(jīng)網(wǎng)絡(luò)2024/1/9特點(diǎn)非線性映照能力：神經(jīng)網(wǎng)絡(luò)能以任意精度逼近任何非線性連續(xù)函數(shù)。在建模過程中的許多問題正是具有高度的非線性。并行分布處理方式：在神經(jīng)網(wǎng)絡(luò)中信息是分布儲存和并行處理的，這使它具有很強(qiáng)的容錯(cuò)性和很快的處理速度。自學(xué)習(xí)和自適應(yīng)能力：神經(jīng)網(wǎng)絡(luò)在訓(xùn)練時(shí)，能從輸入、輸出的數(shù)據(jù)中提取出規(guī)律性的知識，記憶于網(wǎng)絡(luò)的權(quán)值中，并具有泛化能力，即將這組權(quán)值應(yīng)用于一般情形的能力。神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)也可以在線進(jìn)行。數(shù)據(jù)融合的能力：神經(jīng)網(wǎng)絡(luò)可以同時(shí)處理定量信息和定性信息，因此它可以利用傳統(tǒng)的工程技術(shù)〔數(shù)值運(yùn)算〕和人工智能技術(shù)〔符號處理〕。多變量系統(tǒng)：神經(jīng)網(wǎng)絡(luò)的輸入和輸出變量的數(shù)目是任意的，對單變量系統(tǒng)與多變量系統(tǒng)提供了一種通用的描述方式，不必考慮各子系統(tǒng)間的解耦問題。2024/1/9b1bia1c1cqcjahbpan………………Wp1WiqWpjW1qW1jWijV11W11WpqWi1Vh1VhiV1iVn1VniV1pVhpVnp輸出層LC隱含層LB輸入層LAWV根本BP網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)BP神經(jīng)網(wǎng)絡(luò)2024/1/9數(shù)據(jù)處理建立網(wǎng)絡(luò)拓?fù)溆?xùn)練網(wǎng)絡(luò)網(wǎng)絡(luò)的初始連接權(quán)值網(wǎng)絡(luò)模型的性能和泛化能力建立網(wǎng)絡(luò)合理網(wǎng)絡(luò)模型確實(shí)定例BP程序\bpycx.m例BP程序\gjxcx.m例BP程序\azbcx.m灰色預(yù)測2024/1/9簡介灰色預(yù)測方法的特點(diǎn)表現(xiàn)在：首先是它把離散數(shù)據(jù)視為連續(xù)變量在其變化過程中所取的離散值，從而可利用微分方程式處理數(shù)據(jù)；而不直接使用原始數(shù)據(jù)而是由它產(chǎn)生累加生成數(shù)，對生成數(shù)列使用微分方程模型。這樣，可以抵消大部分隨機(jī)誤差，顯示出規(guī)律性。以GM(1,1)為例：G表示gray（灰色），M表示model（模型），GM（1，1）表示1階的、1個(gè)變量的微分方程模型。注意：當(dāng)GM(1,1)發(fā)展系數(shù)|a|>=2時(shí),GM(1,1)模型無意義.通過分析,可得下述結(jié)論:(1)當(dāng)-a<=0.3時(shí),GM(1,1)可用于中長期預(yù)測(2)當(dāng)0.3<-a<=0.5時(shí),GM(1,1)可用于短期預(yù)測,中長期預(yù)測慎用(3)當(dāng)0.5<-a<=0.8時(shí),GM(1,1)作短期預(yù)測應(yīng)十分謹(jǐn)慎(4)當(dāng)0.8<-a<=1時(shí),應(yīng)采用殘差修正GM(1,1)(5)當(dāng)-a>1時(shí),不宜采用GM(1,1)VSGM(1,1)建模過程和機(jī)理2024/1/9GM(1,1)建模過程和機(jī)理2024/1/9灰色系統(tǒng)模型的檢驗(yàn)2024/1/9

指標(biāo)臨界性精度等級相對誤差關(guān)聯(lián)度均方差比值小誤差概率一級0.010.900.350.95二級0.050.800.500.80三級0.100.700.650.70四級0.200.600.800.60注：一般情況下，最常用的是相對誤差檢驗(yàn)指標(biāo)。精