灰色神經(jīng)網(wǎng)絡(luò)與支持向量機(jī)預(yù)測(cè)模型研究.pdf

1、古人云“凡是預(yù)則立，不預(yù)則廢”，為了促進(jìn)經(jīng)濟(jì)、社會(huì)的高效穩(wěn)健的發(fā)展，研究分析現(xiàn)有的社會(huì)經(jīng)濟(jì)狀態(tài)，以事物發(fā)展的歷史和現(xiàn)狀為出發(fā)點(diǎn)，以調(diào)查研究資料和統(tǒng)計(jì)數(shù)據(jù)資料為依據(jù)，在對(duì)事物發(fā)展進(jìn)行深入的定性分析和嚴(yán)密的定量計(jì)算的基礎(chǔ)上，研究并認(rèn)識(shí)事物的發(fā)展變化規(guī)律，進(jìn)而對(duì)事物的未來(lái)變化預(yù)先作出科學(xué)的推測(cè)是相當(dāng)必要的。將多種預(yù)測(cè)方法結(jié)合起來(lái)，較之單一的預(yù)測(cè)方法來(lái)說(shuō)可更大限度的綜合利用各種方法所提供的信息，盡可能地提高預(yù)測(cè)的精度。 本文主要介紹了灰

2、色神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)兩種預(yù)測(cè)模型的理論基礎(chǔ)和建模過(guò)程。通過(guò)比較、分析灰色系統(tǒng)與神經(jīng)網(wǎng)絡(luò)的區(qū)別與聯(lián)系、支持向量機(jī)與神經(jīng)網(wǎng)絡(luò)的區(qū)別與聯(lián)系，得出灰色系統(tǒng)、神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)三者具備結(jié)合的可能性且結(jié)合后的組合預(yù)測(cè)模型的效率比單一模型要高的結(jié)論。 本文提出兩種新型預(yù)測(cè)模型并將新型模型應(yīng)用到實(shí)際系統(tǒng)中以檢驗(yàn)?zāi)Ｐ偷念A(yù)測(cè)精度及其泛化能力。第一個(gè)模型是基于結(jié)構(gòu)風(fēng)險(xiǎn)的灰色補(bǔ)償神經(jīng)網(wǎng)絡(luò)模型（GRBFNN），其核心思想是將結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則應(yīng)用到R

3、BF神經(jīng)網(wǎng)絡(luò)的建模過(guò)程中，利用支持向量直接獲得RBF函數(shù)中心和隱藏層節(jié)點(diǎn)數(shù)。然后用基于結(jié)構(gòu)風(fēng)險(xiǎn)的RBF神經(jīng)網(wǎng)絡(luò)去補(bǔ)償灰色GM（1，1）模型，從而達(dá)到得提高神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)精度和泛化能力的目的。第二個(gè)模型是基于灰色關(guān)聯(lián)的灰色支持向量機(jī)模型，其核心思想是利用灰色系統(tǒng)理論中的主要方法之一灰色關(guān)聯(lián)度（GRA）從模型的眾多因子中篩選出主因子，然后將主因子作為輸入因子利用灰色系統(tǒng)理論中的一階生成數(shù)列（1—AGO）建立灰色支持向量機(jī)預(yù)測(cè)模型（GSVM）。