灰色神經(jīng)網(wǎng)絡(luò)改進(jìn)算法及其應(yīng)用研究.pdf

1、近些年來(lái)，計(jì)算機(jī)技術(shù)和數(shù)據(jù)庫(kù)技術(shù)都有長(zhǎng)足進(jìn)步，對(duì)數(shù)據(jù)挖掘技術(shù)的研究越來(lái)越深入，技術(shù)的應(yīng)用也越來(lái)越廣泛。同時(shí)，由于單個(gè)數(shù)據(jù)挖掘算法功能有限，不可避免會(huì)有不足之處，于是將多個(gè)數(shù)據(jù)挖掘算法結(jié)合起來(lái)，構(gòu)成組合模型進(jìn)行組合預(yù)測(cè)。
　　 新的模型吸收單個(gè)模型的優(yōu)點(diǎn)、克服單個(gè)模型的缺點(diǎn)，取長(zhǎng)補(bǔ)短，有更好的模型預(yù)測(cè)性能，現(xiàn)已成為數(shù)據(jù)挖掘領(lǐng)域一個(gè)重要的研究方向?；疑窠?jīng)網(wǎng)絡(luò)是一種典型的組合預(yù)測(cè)模型，它將灰色預(yù)測(cè)模型和神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型組合，根據(jù)這兩

2、個(gè)單個(gè)模型的特點(diǎn)對(duì)建立的組合模型進(jìn)行改進(jìn)和優(yōu)化，使新模型具有更好的預(yù)測(cè)性能。組合而成的灰色神經(jīng)網(wǎng)絡(luò)模型能克服灰色預(yù)測(cè)模型不能進(jìn)行自我反饋調(diào)節(jié)、神經(jīng)網(wǎng)絡(luò)模型易陷入局部極小且收斂速度慢的缺點(diǎn)，具有更好的預(yù)測(cè)效果。目前，灰色神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型已經(jīng)成功應(yīng)用于數(shù)據(jù)挖掘、模式識(shí)別和機(jī)器學(xué)習(xí)等領(lǐng)域。
　　 本文中，詳細(xì)介紹幾種數(shù)據(jù)挖掘模型及其預(yù)測(cè)原理，對(duì)常用的灰色算法和神經(jīng)網(wǎng)絡(luò)算法的研究概況、應(yīng)用和算法原理進(jìn)行介紹，分析這兩種典型數(shù)據(jù)挖掘算法的

3、優(yōu)缺點(diǎn)；詳細(xì)介紹灰色神經(jīng)網(wǎng)絡(luò)算法及其關(guān)鍵技術(shù)，并著重研究和分析灰色神經(jīng)網(wǎng)絡(luò)算法的原理以及灰色神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)過(guò)程中存在的問(wèn)題，并在前面研究的基礎(chǔ)上提出模型的改進(jìn)和解決方案，建立GNNM(0，N)型灰色神經(jīng)網(wǎng)絡(luò)模型并對(duì)模型參數(shù)進(jìn)行改進(jìn)；最后，選取丹江口庫(kù)區(qū)鄖西地區(qū)歷年土壤侵蝕數(shù)據(jù)為實(shí)驗(yàn)數(shù)據(jù)，Microsoft Visual StudioC＃和Microsoft SQL Server 為開(kāi)發(fā)工具，運(yùn)用改進(jìn)的灰色神經(jīng)網(wǎng)絡(luò)算法，完成土壤侵蝕的定量預(yù)