神经网络在复杂自相关预测过程中的应用及对比研究 |
| |
引用本文: | 禹建丽,黄鸿琦.神经网络在复杂自相关预测过程中的应用及对比研究[J].数学的实践与认识,2016(19):212-220. |
| |
作者姓名: | 禹建丽 黄鸿琦 |
| |
作者单位: | 郑州航空工业管理学院管理工程学院,河南郑州,450046 |
| |
基金项目: | 河南省自然科学基金(142102210077),河南省自然科学基金(142102210105)郑州航空工业管理学院研究生教育创新计划基金(2016CX015) |
| |
摘 要: | 由于PM_(2.5)日均浓度值受外界多重复杂因素的影响,其较强的自相关性使得时间序列模型ARIMA构建难以实现,因此,给出高映射能力的非线性神经网络预测模型,并分别建立基于BP神经网络和GRNN神经网络的预测模型,进行PM_(2.5)浓度预测实验.结果表明,BP神经网络回检过程和检测过程存在不稳定性,预测残差波动较大,而GRNN神经网络检测残差呈完全U型,回检过程和检测过程较稳定,并且GRNN神经网络回检数据拟合度、预测数据精度和运算速度均优于BP神经网络,建模过程更为方便,易于实际应用.
|
关 键 词: | GRNN神经网络 BP神经网络 PM_(2.5) 时间序列分析 预测 |
Study of Neural Network Application and Comparison in the Forecast Process of Complex Autocorrelation |
| |
Abstract: | |
| |
Keywords: | GRNN neural network BP neural network PM2 5 ARIMA model predicting |
本文献已被 CNKI 万方数据 等数据库收录! |
|