导读:本文包含了灰色遗传算法论文开题报告文献综述及选题提纲参考文献，主要关键词:全球定位系统高程拟合,遗传算法,灰色神经网络,参数优化
灰色遗传算法论文文献综述
张锦,赖祖龙[1]（2019）在《遗传算法优化灰色神经网络的GPS高程拟合模型》一文中研究指出为了进一步提高GPS高程拟合的精度,提出利用遗传算法优化选择灰色神经网络模型的权值阈值:对灰色神经网络的初始权值和阈值利用遗传算法进行适应度编码,并经过选择、变异及交叉确定最优的初始参数,以解决灰色神经网络初始参数随机选择拟合值无法唯一确定的问题;然后建立遗传灰色神经网络GPS高程拟合模型,并给出模型实现步骤。实验结果表明,遗传灰色神经网络GPS高程拟合模型的精度优于当前其他拟合模型的精度,且模型稳定性良好。(本文来源于《导航定位学报》期刊2019年03期）
郑金勇,刘保国,冯伟[2]（2019）在《基于遗传算法优化灰色神经网络的机床主轴热误差建模研究》一文中研究指出针对机床主轴热性能对加工精度产生影响的问题,对机床主轴热误差建模方向进行了试验研究。以数控磨床主轴为研究对象,通过热特性试验获得了阶梯转速下的温度变化数据和热误差数据,对温度数据进行了模糊聚类分组,并采用相关系数法选出了温度敏感测点;通过对灰色神经网络初始参数进行优化,建立了遗传算法(GA)优化的灰色神经网络热误差预测模型;在该模型中,以灰色神经网络的预测输出和实际值的绝对误差作为遗传算法适应度函数,以平均相对误差作为预测模型的评价标准,并与灰色神经网络、BP神经网络预测结果进行了对比。研究结果表明:该预测模型具有更高的预测精度,通过GA对灰色神经网络的初始参数进行优化,可有效地提高网络的预测精度,更好地用于热误差补偿系统。(本文来源于《机电工程》期刊2019年06期）
周科[3]（2019）在《基于遗传算法的灰色非线性水环境管理模型及应用》一文中研究指出以郑州市贾鲁河水环境治理规划为基础,统筹考虑到治理区域内的工程建设、水环境改善策略、污水处理厂建设运行以及配套水库调度等,构建了灰色非线性水环境管理模型,并选择遗传算法作为计算手段,对该模型进行了求解。构建的模型同时考虑到了治理区域内的污水处理厂优化运行、南水北调补水、区域内3个生态湖泊与治理河段的净化能力等。通过优化运行协调,实现了运行费用经济合理、水生态环境改善、水质达标等多项治理目标。研究结果表明,基于遗传算法的灰色非线性规划在区域水环境治理中的应用潜力十分显着。(本文来源于《人民长江》期刊2019年05期）
胡圣武[4]（2019）在《遗传算法的灰色神经网络在基坑变形中的应用》一文中研究指出针对基坑施工安全和能够快速地发现基坑变形的问题,该文提出用遗传算法的灰色神经网络对基坑沉降观测数据进行处理,并预测变形大小。实例数据表明,通过预测变形值与实际变形值进行比较,可知遗传算法的灰色神经网络模型的收敛速度较快,训练时间较短,预测精度较高,能满足工程精度的要求。通过与GM(1,1),BP神经网络模型和灰色系统和神经网络的组合模型进行比较,本模型是最优的。(本文来源于《测绘科学》期刊2019年03期）
邬丽云,吴正鹏,齐英剑[5]（2019）在《基于遗传算法的灰色区间数的GM(1,1)优化模型》一文中研究指出利用遗传算法作为优化工具对基于灰数带及灰数层的区间灰数预测模型中的参数进行优化提取.首先,利用变权均值生成思想取代非偏生成,将区间灰数转化为实数序列;然后,对此实数序列进行建模.在优化过程中,选取区间灰数预测的平均相对误差最小为目标函数,通过遗传算法寻找到最优的参数,建立新的灰色区间数的GM(1,1)模型.算例仿真显示该新模型的平均模拟相对误差和预测误差有了明显的降低,表明该新模型具有有效性和可行性.(本文来源于《控制与决策》期刊2019年02期）
张雅雄,聂先玲[6]（2017）在《基于遗传算法优化的约束背景双线性分解算法用于改进高效液相色谱灰色分析体系的校正结果》一文中研究指出该研究工作采用约束背景双线性分解算法对以高效液相色谱方法分离分析的灰色分析体系进行了多元校正研究。针对采用包括约束背景双线性分解算法在内的矩阵校正方法处理高效液相色谱灰色分析体系的固有缺陷,即在相关组分的色谱保留时间重现性较低的情形下多元校正的结果不理想,对约束背景双线性分解算法进行了改进,即将待测组分的浓度与组分的色谱保留时间同时作为优化的参量引入约束背景双线性分解算法,并采用遗传算法优化约束背景双线性分解算法,对于模拟的组分保留时间飘移严重的高效液相灰色分析体系及保留时间重现性不佳的多种酚类化合物组成的实际高效液相色谱灰色分析体系进行了多元校正分析,成功克服了经典约束背景双线性分解算法的固有缺陷,取得了较理想的多元校正结果。另外,该研究所建议的方法的校正结果也显着优于传统的残差双线性分解法以及秩消失因子分析法。(本文来源于《中国化学会第14届全国计算(机)化学学术会议暨分子模拟国际论坛会议手册》期刊2017-11-17）
牛晋徽[7]（2016）在《基于灰色遗传算法优化神经网络的江西省GDP预测》一文中研究指出国内生产总值(GDP)是国民经济核算的核心指标,它反映了一个国家或地区总体的经济状况。因此,预测GDP的走势能够对未来的经济发展趋势和方向提出指导性的建议。近年来,江西省生产总值增长迅速,省政府也对GDP的增长做出了长远的规划与期望。因此,GDP的预测就显得意义重大。本文利用历年的江西省生产总值数据,采用了叁种预测方法:ARIMA时间序列、灰色模型以及灰色遗传算法优化神经网络分别对江西省生产总值进行预测,并对预测结果进行了比较。结果显示,灰色GA-BP神经网络的预测精度最高。本人研究结果表明,通过遗传算法对BP神经网络进行优化,充分发挥了两种算法各自的优势,再加上灰色模型本身的特点,形成了灰色GA-BP神经网络模型。通过对预测结果进行比较,发现其预测精度明显高于之前的ARIMA时间序列模型和GM(1,1)模型。因此,这项研究证明基于灰色的遗传算法优化的神经网络模型在处理时间序列数据上有着很好的优越性。(本文来源于《景德镇陶瓷大学》期刊2016-03-29）
路家松[8]（2015）在《基于遗传算法初值优化的反向灰色模型在沉降监测中的应用》一文中研究指出反向灰色模型在具有单调递减趋势的时间序列预测中取得了较好的效果,但是初始值较为陈旧,影响了模型的精度。利用遗传算法对x(1)(n)序列初始值进行全局搜索,确定最优初始值,对反向灰色模型进行了优化。并利用高层建筑实际沉降观测数据对该方法进行了验证。结果表明,该优化灰色模型提高了原模型的预测精度,具有较高的实用价值。(本文来源于《北京测绘》期刊2015年06期）
刘学飞,朱东梅,李绍红,黄容[9]（2015）在《基于量子遗传算法优化的灰色神经网络预测模型》一文中研究指出将量子遗传算法用来对灰色神经网络参数做出优化,提出了一种通过量子遗传算法优化灰色神经网络进行预测的建模方法.应用实例表明,文章建立的模型拥有良好的预测效果,可以作为传统方法的一种补充.(本文来源于《重庆叁峡学院学报》期刊2015年03期）
张锦秀[10]（2015）在《遗传算法和灰色预测模型的研究及应用》一文中研究指出量化投资因其收益稳定、风险可控等特点受到广大机构投资者的青睐。量化投资涉及到量化选股、量化配对、量化择时、统计套利、资产配置等市场交易的各个环节,已经成为市场投资中非常重要的一部分。本文共分为五个章节。首先介绍了金融量化交易的背景,阐述了量化交易在我国股票市场交易中有着巨大发展的潜力。接着介绍并深入刨析叁种市场交易模型-遗传算法、灰色系统、配对交易。在复杂的股票市场中,运用遗传算法可以找出对股票走势影响最大,关联度最高的因子,并根据该因子挑选出最佳股票。传统的遗传算法在解决大规模计算量问题上收敛速度过慢,甚至出现局部收敛等问题。因此要想将遗传算法很好的应用在股市选股上就需要对其进行改进。本文引入了适应度函数,使原有遗传算法的收敛速率得到了很大提高。实证分析中,股票的累计收益走势也非常不错。灰色预测GM(1,1)模型主要是针对“贫信息、小样本”的系统所提出的预测模型。根据中国国情,股市的变动幅度被限制在10%之内,要想利用灰色预测模型很好的预测股市走势就必须对其在模型构建中进行改进。本文对此进行了两点改进。第一、改进了模型的递推关系,构造了代数递推方程。第二、将紧邻公式变成了叁个相邻,根据自动寻优定权公式推出了相应系数。本文又对此方法做了实证分析。接着对配对交易策略做了深入刨析。配对交易策略已成为市场中一种普遍的交易策略。以欧元和英镑两种相似的外汇走势作为配对交易对象,并通过最小二乘法及协整关系对欧元和英镑这两种外汇的内在关联做了检测。最后给出了灰色遗传算法模型的构建及实证分析。本文主要是将遗传算法和灰色系统理论相结合。先利用遗传算法选择出交易的股票,再利用灰色模型选择交易时间。实例应用充分说明了该方法是可行的。(本文来源于《宁波大学》期刊2015-04-15）
灰色遗传算法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对机床主轴热性能对加工精度产生影响的问题,对机床主轴热误差建模方向进行了试验研究。以数控磨床主轴为研究对象,通过热特性试验获得了阶梯转速下的温度变化数据和热误差数据,对温度数据进行了模糊聚类分组,并采用相关系数法选出了温度敏感测点;通过对灰色神经网络初始参数进行优化,建立了遗传算法(GA)优化的灰色神经网络热误差预测模型;在该模型中,以灰色神经网络的预测输出和实际值的绝对误差作为遗传算法适应度函数,以平均相对误差作为预测模型的评价标准,并与灰色神经网络、BP神经网络预测结果进行了对比。研究结果表明:该预测模型具有更高的预测精度,通过GA对灰色神经网络的初始参数进行优化,可有效地提高网络的预测精度,更好地用于热误差补偿系统。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
灰色遗传算法论文参考文献
[1].张锦,赖祖龙.遗传算法优化灰色神经网络的GPS高程拟合模型[J].导航定位学报.2019
[2].郑金勇,刘保国,冯伟.基于遗传算法优化灰色神经网络的机床主轴热误差建模研究[J].机电工程.2019
[3].周科.基于遗传算法的灰色非线性水环境管理模型及应用[J].人民长江.2019
[4].胡圣武.遗传算法的灰色神经网络在基坑变形中的应用[J].测绘科学.2019
[5].邬丽云,吴正鹏,齐英剑.基于遗传算法的灰色区间数的GM(1,1)优化模型[J].控制与决策.2019
[6].张雅雄,聂先玲.基于遗传算法优化的约束背景双线性分解算法用于改进高效液相色谱灰色分析体系的校正结果[C].中国化学会第14届全国计算(机)化学学术会议暨分子模拟国际论坛会议手册.2017
[7].牛晋徽.基于灰色遗传算法优化神经网络的江西省GDP预测[D].景德镇陶瓷大学.2016
[8].路家松.基于遗传算法初值优化的反向灰色模型在沉降监测中的应用[J].北京测绘.2015
[9].刘学飞,朱东梅,李绍红,黄容.基于量子遗传算法优化的灰色神经网络预测模型[J].重庆叁峡学院学报.2015
[10].张锦秀.遗传算法和灰色预测模型的研究及应用[D].宁波大学.2015
标签：全球定位系统高程拟合; 遗传算法; 灰色神经网络; 参数优化;