共查询到20条相似文献,搜索用时 15 毫秒
1.
利用GMDH(Group Method of Data Handing)神经网络进行数据预测.与一般的前馈神经网络不同,GMDH网络的结构确定于训练过程之中,因而可大大提高神经网络性能,从而特别适用于数据预测.文中提供的两个实例表明,利用GMDH网络进行数据预测的结果与实际值符合得很好,特别在金融预测方面有很好的应用前景. 相似文献
2.
利用GMDH(Group Method of Data Handing)神经网络进行数据预测。与一般的前馈神经网络不同,GMDH网络的结构确定于训练过程之中,因而可大大提高神经网络性能,从而特别适用于数据预测。文中提供的两个实例表明,利用GMDH网络进行数据预测的结果与实际值符合得很好,特别在金融预测方面有很好的应用前景。 相似文献
3.
4.
5.
基于Matlab神经网络工具箱进行港口集装箱运量预测 总被引:5,自引:0,他引:5
基于Matlab的神经网络工具箱,利用其自带的用于神经网络的函数,通过简单的编程实现了线性神经网络、BP网络和RBF网络三种神经网络的建立、学习和训练,并对一实例进行了预测,结果显示是很有效的。 相似文献
6.
BP网络(Back Propagation Neural Network)是工程中广泛应用的一种神经网络模型。根据试验数据,运用BP网络对长螺旋成孔压灌注混凝土桩单桩极限承载力进行预测,将预测结果与实测值进行比较。结果表明,神经网络方法预测的结果与实测值的误差满足工程要求。 相似文献
7.
8.
9.
10.
基于AVL-BOOST软件仿真平台建立某船用四缸柴油机仿真模型,标定后的模型进行柴油机全工况仿真计算.仿真出来的3 200组数据作为人工神经网络输入数据,采用贝叶斯统计方法对网络进行训练建立2层的反馈神经网络仿真模型.并分别通过实验、AVL-BOOST和神经网络数据曲线的对比分析,验证人工神经网络预测的准确性.利用验证好的人工神经网络模型预测进排气压力对柴油机转矩的影响,以及预测压缩比和供油定时对柴油机排放性能和动力性能的影响,最后利用扰动法分析不同工况下柴油机各个参数对柴油机性能的影响程度. 相似文献
11.
为进一步提高货物吞吐量预测准确性,提出基于NeuralProphet时间序列模型与长短期记忆(LSTM)神经网络的组合预测模型。首先利用NeuralProphet模型对港口货物吞吐量数据进行训练得到预测值并计算残差序列,然后对残差数据建立LSTM神经网络模型进行预报修正,重构得到最终的预测值。以上海港、厦门港的月度货物吞吐量数据为样本展开试验,结果表明,该模型能够有效地解决数据异常波动造成的预测结果误差大、预测效果不稳定等问题;相比于传统单一模型与LSTM-支持向量机(SVM)、Bi-LSTM等组合模型,NeuralProphet-LSTM模型预测精度更高,可帮助港航企业及时调整规划决策与经营策略。 相似文献
12.
应用神经网络BP算法对杭州港的吞吐量预测实例进行了详细分析。通过对网络各种参数的调试与组合得出,当隐含层节点数为15,训练控制误差为0.035,分级迭代级数为4级,平滑因子参数为0.2,学习速率参数为1.5时,网络性能最佳。将网络预测结果与时间序列和回归分析2种方法进行了比较,得出神经网络方法在短期预测中要优于传统方法。通过对模型预测误差产生原因的简要分析,得出神经网络方法并不适用于吞吐量长期预测。最后对其应用过程中可能存在的一些问题提出了建议。 相似文献
13.
利用深度学习方法预测船舶未来航行趋势,对海上交通安全以及船舶管理具有重要意义。在船舶自动识别系统(AIS)中已知的经度、纬度、航速数据基础上,提出一种基于门控循环单元结合双卷积层长短期记忆神经网络(GRU-Dconv LSTM)预测模型。根据原始数据的变化趋势,采用标准差法对数据中的异常值进行处理,得到最终试验数据。该模型一方面通过门控循环单元(GRU)学习船舶历史数据上的运动规律;并采用双卷积层与长短期记忆神经网络(LSTM)结合的形式充分提取数据深层信息,提高模型对时序数据深层次特征的挖掘能力。将该模型与卷积长短期记忆神经网络(CNN-LSTM)、卷积门控循环神经网络(CNN-GRU)以及卷积层长短期记忆(Conv-LSTM)神经网络等3个模型进行对比,将均方根误差、平均绝对误差、平均绝对百分比误差作为评价标准,结果表明,GRU-Dconv LSTM模型在经度和纬度预测上误差较小,精确度较高。 相似文献
14.
15.
16.
在matlab环境下建立了边坡位移预测的RBF神经网络模型.利用已有的监测数据训练神经网络并进行测试,将训练好的网络模型用于预测边坡位移的变化值.最后将该预测方法用于斯里兰卡某边坡监测工程,预测结果与实测的监测数据相比误差较小,从而合理安排监测频次,提高了监测效率. 相似文献
17.
18.
19.
海岸工程中常采用直立堤的结构形式,波浪作用下的越浪量影响因素众多,特别是考虑实际多向波的作用,目前并没有统一的计算方法。利用神经网络方法在计算回归问题上的优势,构建反向传播神经网络模型,采用物理试验数据构建训练集,建立多向波浪作用下直立堤越浪量的预测模型。通过与测试集、经验公式以及其他物理模型试验结果的对比,显示了本模型具有良好的预测精度,可满足工程设计需要。利用该模型进一步分析波浪入射角度和方向分布宽度对波浪越浪量的影响规律,弥补了试验数据不全造成的变化规律不明显的问题。 相似文献
20.
人工神经网络是进行预报裂纹扩展率的一个重要方法。文章针对不同金属的疲劳裂纹扩展速率分别建立贝叶斯正则化BP(Back Propagation)神经网络,将各材料在不同应力比R下的疲劳裂纹扩展速率试验数据分为两部分,一部分用来进行训练网络,另一部分用来测试训练好的网络,检验其泛化能力。将从文献中获取的4种不同金属材料的疲劳试验数据作为算例,来检验网络的性能。计算结果表明贝叶斯正则化BP神经网络不仅对训练样本有很好的拟合能力,而且对于未训练过的测试样本也有较好的预测能力,即有较强的泛化能力。同时,指出了建立网络时减少门槛值附近的试验样本点,可以提高网络的预测能力。研究结果表明,该方法可以方便地获得不同应力比R下的疲劳裂纹扩展速率,从而达到减少试验次数,充分利用已有数据的目的。并且可以进一步应用于其他金属的疲劳裂纹扩展速率的预报。 相似文献