一种改进GMDH的新方法

本文提出在ＧＭＤＨ中利用“新息贡献”准则选择关键变量（包括初始变量和中间变量）、自动构成最优部分多项式，并且给出了递推算法以避免重复运算，从而优化了模型结构，提高了精度，简化了建模过程。最后用仿真例子验证了新方法的有效性。     

基于自组织方法的成都市居民生活用水量的预测和分析

基于成都市1981－1996年间居民生活用水量及相关因素的实际数据，采用自组织方法对居民生活用水量进行了分析，然后，运用不同的预测方法进行了比较。经实际样本检验表明：自组织方法具有较强的建模能力和较好的预测效果。最后，采用自组织方法预测了成都市2001－2005年的居民生活用水量。     

基于GMDH的VAR滞后选择方法及实证分析

在VAR的动态模型中，滞后数的选择是成功的关键。对于复杂系统建模，根据GMDH理论的有关数据，用计算机合理地调协变量与滞后变量之间的关系，确定模型的最优动态结构和最优滞后数，以提高预测的准确性。给出了VAR的传统方法与GMDH建模方法，应用经济变量进行实证分析，阐明了GMDH算法的优势在于比传统的方法更完善，预测效果更准确。     

基于GMDH的LSSVM预测模型及其实证

自从Suykens提出新型统计理论学习方法-最小二乘支持向量机(LSSVM)以来,这种方法引起了广泛的关注,它在预测方面的良好性能得到了广泛应用.应用自组织数据挖掘(GMDH)方法改进LSSVM,提升了预测精度.首先利用GMDH方法选择有效的输入变量,再将这些变量作为LSSVM模型的输入,进行时间序列的预测,从而建立LSSVM和GMDH组合的混合模型GLSSVM.并通过汇率时间序列对本文模型进行了实证.结果表明,混合模型预测精度得到了明显的提高.     

基于数据处理分组法(GMDH)的遗传选择算法与数据挖掘克隆技术

数据处理分组法(GMDH)的多层算法(MIA)是通过利用遗传算法的选择程序来实现的,该算法包含了为获取更少误差而生成的最优神经元的克隆操作.选择程序根据适应度以及网络输入的某种概率从已有的神经元中为新神经元寻找父代.克隆实质是对最优神经元的克隆体参数进行稍微调整.从机器学习库选出实验结果表明,通过克隆操作进行基因改造后的GMDH网络表现得比其它方法优越.     

柴油机特性曲线的仿真和燃油消耗的预测

为了对柴油机特性曲线进行仿真和对燃油消耗率进行预测,考虑到影响柴油机的各种因素,采用非线性的建模方法,并使用数据处理的分组方法（GMDH）对柴油机特性曲线进行建模仿真,同时对燃油消耗率进行预测.结果表明该方法对柴油机特性曲线的仿真和燃油消耗预测具有可行性和实用价值.     

不同时间段数据同时建模的GMDH证券组合投资预期收益模型

根据证券市场数据的特点,充分利用不同时间段的数据,同时建模,给出联立方程的预测模型,即建立证券投资预期收益模型。     

GMDH方法在混凝土强度预测中的应用

通过建立GMDH中使用最广泛的线性和非线性模型,对混凝土强度进行了预测测试,对模型的预测值与实际数据、传统的鲍罗米公式的预测结果进行了比较,结果表明,基于Knowledge Miner软件的GMDH方法能够充分考虑影响混凝土强度的各种因素,具有较高的精度,在混凝土强度预测以及建筑行业中具有广泛的应用前景.     

基于GMDH方法的粮食总产量预测模型和分析

利用GMDH方法对1978-1995年全国粮食总产量的相关数据,建立了一个简单的可解释的模型,并对1996-2000年5年的产量做了预测,取得满意的结果,具有很好的推广价值.     

基于改进GMDH的科技成果中试转化系统模型构建

基于科技成果中试转化运行原理,搭建中试系统机理模型,利用改进GMDH构建相应数学模型。改进GMDH将含有回归项线性相关检测的快速递归算法（FRA）代替传统最小二乘（OLS）进行GMDH多层建模的部分多项式求解,使用初始变量添加法避免有效神经元过早丢失。以改进的GMDH对上海市中试转化统计数据进行建模及仿真实验,结果表明,所建模型比传统GMDH模型精度高,泛化能力强。