Simpson改进的灰色神经网络在汽车保有量中的预测

论文摘要

针对汽车保有量数据具有非线性和随机性的特点,建立基于Simpson公式的灰色神经网络模型对汽车保有量进行预测研究;利用Simpson公式对经典GM(1,1)灰色系统的背景值进行改进以提高模型的预测精度;通过相关性分析,确定国民总收入、人均国内生产总值、总人口、固定资产投资、进出口总额、钢材产量、社会消费品零售总额7个因素为汽车保有量的影响因素,并将7个影响因素作为BP神经网络的输入建立BP神经网路模型;根据灰色系统和BP神经网络预测误差大小确定组合模型的权重,构建灰色神经网络组合模型;对比分析经典GM(1,1)、Simpson公式的GM(1,1)、BP神经网络、灰色神经网络、Simpson公式的灰色神经网络模型的计算结果。研究表明:基于Simpson公式的灰色神经网络预测精度最高,其相对误差均在3%以内,相对误差的方差为3.2780,小于灰色神经网络模型和单一预测模型。

论文目录

• 0 引言
• 1 研究方法
•   1.1 GM （1, 1） 预测模型
•   1.2 基于Simpson公式改进的GM （1, 1） 模型
•   1.3 背景值误差产生比较
•   1.4 BP神经网络模型
•     1.4.1 神经元模型
•     1.4.2 激励函数
•     1.4.3 BP神经网络的学习算法
•   1.5 灰色神经网络组合模型
• 2 中国汽车保有量预测分析
•   2.1 汽车保有量影响因素相关性分析
•   2.2 模型预测
•     2.2.1 梯形公式的GM （1, 1） 模型
•     2.2.2 Simpson公式的GM （1, 1） 模型
•     2.2.3 BP神经网络模型
•     2.2.4 灰色神经网络组合模型
•   2.3 模型精度比较
• 3 结语

文章来源

类型: 期刊论文

作者: 吴文青,夏杰

关键词: 车辆工程,汽车保有量,背景值,公式的,模型,组合预测模型,预测精度

来源: 重庆交通大学学报(自然科学版) 2019年09期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 公路与水路运输

单位: 西南科技大学理学院,电子科技大学数学科学学院

基金: 教育部人文社科青年基金项目(19YJCZH119),西南科技大学博士研究基金项目(15zx7141)

分类号: U491

页码: 101-108

总页数: 8

文件大小: 338K

下载量: 418