遗传优化的灰色神经网络模型比较研究

摘要：

针对灰色系统结合RBF神经网络时算法存在局部最优和收敛性等问题,引入遗传算法来辅助优化灰色神经网络预测模型.利用具有的较强全局搜索能力、且收敛速度快的遗传算法对GM(1,1)模型参数A进行高效求解,然后融合RBF神经网络和改进的灰色GM(1,1)模型,构成两种不同结构的基于遗传算法的灰色RBF预测模型,一种是灰色RBF补偿预测模型GA-GRBF,另一种是灰色嵌入型GRBF模型.以某智能监控系统采集的风响应时程数据进行仿真分析,结果表明经过遗传算法优化的GRBF模型都要优于单一的GRBF模型,并且CA-GRBF模型建模简单,预测精度高,实用性强.

关键词：GM(1,1)模型、径向基函数、基于遗传算法的灰色RBF预测模型、GA-GRBF模型、优化、残差补偿

所属期刊栏目：46

分类号：TP183(自动化基础理论)

资助基金：教育部高校行动计划项目2004XD-03

在线出版日期：2010-03-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：41-43