提出了一种基于小波变换和群智能演化的神经网络集成预测新模型,对日前交易边际电价进行预测。首先利用小波变换将历史边际电价序列分解为高频和低频部分,并分别构造学习样本作为神经网络集成的输入;然后将边际电价预测问题转化为神经网络实际输出与预测输出误差最小化问题,其寻优过程采用粗—细二阶段学习算法。在第1阶段,...
实验室武汉430074)摘要:该文提出了一种基于小波变换和FIR神经网络的广域网网络流量预测模型,首先采用小波分解把网络流量数据分解成小波系数和尺度系数,即高频系数和低频系数,将这些不同频率成分的系数单支重构为高频流量分量和低频流量分量,利用FIR神经网络对这些分量分别进行预测,将合成之后的结果作为原始网络流量的预测...
一种基于小波变换和FIR神经网络的广域网网络流量预测模型
基于小波变换的脉冲耦合神经网络预测模型及其应用
小波变换人工神经网络 reference crop evapotranspirationwavelet analysisartificial neural network受气温,日照,风速,水汽压等因子随机变化的影响,参考作物腾发量时序过程具有非线性,多时间尺度变化等特性.为研究参考作物腾发量在时间尺度上的分布规律,提出了一种基于小波变换与人工神经网络相结合的参考作物腾发量预测模型....
小波变换二次指数平滑RBF神经网络风速的随机性和不平稳性,使得准确预测风速十分困难.本文提出了一种新的混合模型WTT-DES-RBFNN来对风速进行短期预测,该模型将小波变换技术(WTT)和混合模型DES-RBFNN结合起来.首先利用WTT对风速序列进行去噪处理,再用二次指数平滑(DES)和径向基函数神经网络(RBFNN)的混合模型对去噪后的...
小波变换灰度模型BP神经网络预测由于粮食生产受到社会,经济和气候等多方面因素的影响,造成粮食产量序列的复杂性,随机性和非平稳性.为了准确预测粮食产量,提出基于小波变换的灰度模型(GM)-反演(BP)神经网络[BP神经网络是人工神经网络(AMNN)的一种]相结合的预测方法,首先利用小波变换将非平稳序列转化为若干不同频率分量...
混合蛙跳算法(SFLA)差分进化(DE)算法组合预测模型针对目前对风速序列短期预测中不同组合算法预测精度较差,适应性不强等问题,提出一种基于小波变换的组合预测模型算法,将风速序列经小波变换降低波动性与无序性,利用混合蛙跳算法(shuffled frog leaping algorithm,SFLA)优化逆向传播(back propagation,BP)神经网络的初始权值...
地温变化在气候反馈效应中起着重要作用,理解地温及其与影响因素之间的时空关系对预测全球温度变化至关重要.利用1998-2017年石羊河流域的逐日常规气象观测资料,采用小波分析结合BP(Back Propagation)神经网络构建了石羊河流域夏季地温预报模型,结果表明:日平均地温预测效果在不同站点均为最佳,其中预测值和观测值的相关系数均...
神经网络集成提出了一种基于小波变换和群智能演化的神经网络集成预测新模型,对日前交易边际电价进行预测.首先利用小波变换将历史边际电价序列分解为高频和低频部分,并分别构造学习样本作为神经网络集成的输入;然后将边际电价预测问题转化为神经网络实际输出与预测输出误差最小化问题,其寻优过程采用粗-细二阶段学习算法.在第...