首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到10条相似文献,搜索用时 15 毫秒
1.
由于汇率预测(Exchange Rate Prediction)是一种不确定、非线性、非平稳的时间序列预测问题,传统的方法往往难以得到满意的结果.多表达式编程(Multi Expression Programming,MEP)是一种新型的线性编码的遗传编程(Genetic Programming)的变种.提出一种克隆选择算法优化的多表达式编程模型对国际上3种重要的汇率数据进行了建模和预测,实验结果表明,该模型克服了传统进化算法优化的遗传编程及人工神经网络早收敛、难以找到全局最优解的缺点,取得了令人满意的结果.  相似文献   

2.
反向传播算法有容易陷入局部最小点、收敛速度慢的问题,为了克服这些缺点,在粒子群优化算法中,引入遗传算法中的克隆算子和变异算子,得到一种改进的粒子群遗传优化算法(PSGO),建立一种PSGO优化BP神经网络模型.利用该模型通过matlab编程仿真对证券市场指数和股票收盘价进行预测研究,试验结果证明了该方法的有效性和可行性.  相似文献   

3.
遗传编程(GP)和基因表达式编程(GEP)是在遗传算法的基础上发展而来的遗传算法的新分支,它在个体的表示、个体的处理和结果的形式等方面与传统遗传算法有着显著的区别和优势.本文针对汇率市场对象的特点,分别研究了用遗传算法,遗传编程,基因表达式编程进行预测,取得了满意的效果.  相似文献   

4.
针对目前现有的强度预测方法精度低,提出提取输入参数的深层连接的深度信念网络(DBN)强度预测模型,并采用量子粒子群优化算法(quantum particle swarm optimization,QPSO)来确定DBN的隐含层节点个数和学习率。为获得最优的预测性能,以充填材料的成分及其尺寸作为基于DBN的预测模型的输入,输出充填材料的抗压强度。实验结果显示,该预测方法仅用了1.89 s的预测时间且精度达到99.84%,相比于广泛应用的BP神经网络、RVM(relevance vector machine)、SVM(support vector machine)三种算法在精度和时间上都有显著提升。  相似文献   

5.
针对油田开发指标预测问题,提出将灰色神经网络(GNN)与改进粒子群算法(IPSO)相结合的组合预测模型(IPSOGNN),通过IPSO对GNN的a、u参数进行优化,改善了GNN的不足,有效地保证了预测精度。以油田开发指标中的含水率作预测算例,仿真结果表明:此模型的预测精度高于灰色预测模型、灰色神经网络以及BP神经网络模型,同时也表明了此方法的可行性与有效性。  相似文献   

6.
非线性时间序列的重构及预测   总被引:1,自引:0,他引:1  
采用自适应前馈网络算法(AFN)进行非线性时序预测,对网络结构设计进行详细的探讨,并应用该方法对经典非线性时间序列数据进行预测,与传统预测方法(TAR)比较,结果证明此种方法具有较好的效果,网络的结构得到了简化。不仅满足了误差目标的要求,而且提高了网络的推广能力。且AFN方法可以对时间序列数据间的关系给出一种基于贡献率的解释。  相似文献   

7.
文章提出了一种基于多度量融合的微博转发行为预测方法(MRBP-MMF),该方法提取用户微博特征,设计了转发行为习惯度、历史微博认同度、微博内容相似度和转发行为相似度计算方法,并综合多种度量标准预测用户转发行为。在实际微博数据集上实验发现,MRBP-MMF方法对用户转发行为的预测灵敏度比融合前平均高出12%,分别比预测模型3:基于情感主题模型(The Third Prediction Model-Emotion topic based Model,PM3)和多异质扩散关系网络转发行为(Retweeting Behavior on Multiple Heterogeneous Diffusion Relation Networks,RBMHDRN)平均高出4%和0.7%,在训练数据较少的情况下,MRBP-MMF方法更具优越性。实验结果表明,MRBPMMF方法预测灵敏度高于基于微博正文或用户情感的转发行为预测方法。  相似文献   

8.
结合全局主成分分析(GPCA)和遗传微粒群-神经网络(GAPSO-NN),对中国区域经济发展水平进行预测.首先构建区域经济发展水平的评价指标体系并提取相关数据;然后借助GPCA获得全局主成分分值、综合评价值,作为GAPSO-NN的输入、输出;接着构建GAPSO-NN预测模型并训练网络;最后通过预测仿真,表明基于GPCA和GAPSO-NN预测方法的有效性.  相似文献   

9.
水体富营养化是藻类爆发性生长的主要因素,为了对其进行实时监测预报,提出一种改进遗传神经网络(QGANN),以实现智能预测.该网络从遗传算法(GA)和神经网络(NN)两方面及其相互关系着手,构造了一个基于量子力学原理的量子平衡交叉算子,设计了一种NN混合优化策略,将两者合并共生获得了一类快速、高效的神经网络预测模型.水库和湖泊蓝绿藻爆发预测实验表明:该改进遗传算法(QGA)性能优良;QGANN的泛化能力明显提高,比未经改进的方法(GAsNN)及简单改进的方法(DCGANN)取得了更加满意的效果.  相似文献   

10.
【目的】准确监控和预测配电网设备所处环境相对湿度的状态和变化趋势。【方法】通过分析影响相对湿度的相关因素,提出了一种权重调整(Weight of adjust,AW)和遗传算法(Genetic algorithms,GA)相结合的BP算法(AW-GA-BP算法),在此算法的基础上,建立了对配电网设备所处环境相对湿度变化的神经网络预测模型,并将此算法应用到项目组为云南省某供电局开发的配电网运行环境智能化监测系统上,利用该监测系统所采集到的数据,将不同采样试验数据分别作为训练样本和验证样本,对比研究了AW-GA-BP算法、GA-BP算法和标准BP算法的预测误差。【结果】基于AW-GABP算法预测得到的相对湿度百分误差平均值是4.28%,基于GA-BP算法预测得到的相对湿度百分误差平均值是8.87%,基于标准BP算法预测得到的百分误差平均值是14.64%。【结论】基于AW-GA-BP算法所建模型的相对湿度预测平均误差更小,为预测配电网设备所处环境相对湿度提供了一种更为准确的方法。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号