共查询到10条相似文献,搜索用时 265 毫秒
1.
为了提高传统BP神经网络预测模型精度,避免BP网络容易陷入局部极值、收敛速度慢等问题,将BP神经网络与Ada-boost算法相结合,提出了一种Adaboost集成BP神经网络模型.结合磁县观台煤矿原煤生产成本相关数据,建立了原煤生产成本预测的Adaboost集成BP神经网络模型,将该模型用于实际的原煤成本预测.结果表明:该模型预测精度高于传统的BP神经网络,收敛速度快,具有较强的鲁棒性,预测精度能满足实际预测需要,为原煤生产成本预测提供了一种新的途径,也为原煤生产成本控制提供了重要依据. 相似文献
2.
针对回采工作面瓦斯涌出这样复杂的动态变化系统,提出了改进的和声搜索算法(IHS)与正则极速学习机(RELM)相结合的预测方法。对和声搜索算法的基本原理进行了研究,通过采用动态变化的PAR和BW值,优化和声搜索算法的全局搜索能力;利用IHS选取RELM中的输入层权值(IW)和隐含层阈值(B),以均方根误差为目标函数,提高了算法的预测精度。仿真实验结果表明,通过与已有的BP神经网络和SVM预测模型作对比,该方法具有更好的预测效果。 相似文献
3.
4.
为了对煤与瓦斯突出进行有效预测,将遗传算法和支持向量机相结合,提出煤与瓦斯突出预测的GA-SVM模型。以我国典型的煤与瓦斯突出煤矿15个实例为样本,以交叉验证准确率作为遗传算法的适应度函数,搜索得到径向基核SVM最优惩罚因子C=28.8786、宽度函数σ=0.16508,利用最优参数建立煤与瓦斯突出预测GA-SVM模型进行预测,结果与实际完全一致。应用该模型对云南恩洪煤矿8个突出实例进行预测,并与单项指标法、综合指标法和BP神经网络进行比较。研究结果表明,煤与瓦斯突出预测GA-SVM模型具有较高的可靠性和精确性,能对煤与瓦斯突出进行有效预测。 相似文献
5.
6.
针对目前我国能源消费量预测中变量选取单一、预测误差较大等问题,结合我国能源消费实际情况,引入GDP、人口、煤炭消费量、通货膨胀率建立了我国能源消费量预测的多元回归模型.利用该模型对1985-2010年能源消费量进行拟合,拟合效果较好;利用该模型对2011-2013年能源消费量进行实际预测,最大误差为1.708%,平均误差为1.3269%,最小误差仅为0.6748%,预测精度较高,为我国能源消费量预测提供一种新的途径. 相似文献
7.
8.
9.
10.
以绵阳市2014~2016年空气污染指数(API)以及SO_2、NO_2、PM_(10)等污染物为研究对象,探讨了绵阳市空气污染的变化规律,并分析它们与常规观测的地面气象资料之间的关系。尝试采用多元线性回归方法及BP神经网络方法建立污染预报模型,并检验分析两种模型的可行性。结果表明基于BP神经网络的预报模型在污染预报中可行,并建立基于BP神经网络进行空气质量预测的预测模型,利用历史资料进行验证。 相似文献