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

1、近些年來，計算機技術(shù)和數(shù)據(jù)庫技術(shù)都有長足進步，對數(shù)據(jù)挖掘技術(shù)的研究越來越深入，技術(shù)的應(yīng)用也越來越廣泛。同時，由于單個數(shù)據(jù)挖掘算法功能有限，不可避免會有不足之處，于是將多個數(shù)據(jù)挖掘算法結(jié)合起來，構(gòu)成組合模型進行組合預(yù)測。
　　 新的模型吸收單個模型的優(yōu)點、克服單個模型的缺點，取長補短，有更好的模型預(yù)測性能，現(xiàn)已成為數(shù)據(jù)挖掘領(lǐng)域一個重要的研究方向。灰色神經(jīng)網(wǎng)絡(luò)是一種典型的組合預(yù)測模型，它將灰色預(yù)測模型和神經(jīng)網(wǎng)絡(luò)預(yù)測模型組合，根據(jù)這兩

2、個單個模型的特點對建立的組合模型進行改進和優(yōu)化，使新模型具有更好的預(yù)測性能。組合而成的灰色神經(jīng)網(wǎng)絡(luò)模型能克服灰色預(yù)測模型不能進行自我反饋調(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，具有更好的預(yù)測效果。目前，灰色神經(jīng)網(wǎng)絡(luò)預(yù)測模型已經(jīng)成功應(yīng)用于數(shù)據(jù)挖掘、模式識別和機器學(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)測原理，對常用的灰色算法和神經(jīng)網(wǎng)絡(luò)算法的研究概況、應(yīng)用和算法原理進行介紹，分析這兩種典型數(shù)據(jù)挖掘算法的

3、優(yōu)缺點；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)測過程中存在的問題，并在前面研究的基礎(chǔ)上提出模型的改進和解決方案，建立GNNM(0，N)型灰色神經(jīng)網(wǎng)絡(luò)模型并對模型參數(shù)進行改進；最后，選取丹江口庫區(qū)鄖西地區(qū)歷年土壤侵蝕數(shù)據(jù)為實驗數(shù)據(jù)，Microsoft Visual StudioC＃和Microsoft SQL Server 為開發(fā)工具，運用改進的灰色神經(jīng)網(wǎng)絡(luò)算法，完成土壤侵蝕的定量預(yù)