GMDH神经网络算法在变形预测中的应用

被引:13
作者
潘国荣
谷川
机构
[1] 同济大学测量与国土信息工程系
关键词
GMDH神经网络算法; 初始变量预选; 中间变量; 终止法则; 变形预测;
D O I
10.14075/j.jgg.2008.03.026
中图分类号
TP183 [人工神经网络与计算];
学科分类号
081104 ; 0812 ; 0835 ; 1405 ;
摘要
针对GMDH神经网络存在的不足,分别从网络初始变量预选个数的确定、部分表达式构成、中间变量选择准则、终止法则等方面进行改进,并且用Matlab语言编程实现之。将改进之后的GMDH神经网络应用于非线性变形数据预测之中,并且将短期以及长期预测结果与BP神经网络以及GMDH神经网络得到的预测结果进行比较,得出结论:改进的GMDH神经网络有较好的实用性,并且预测精度有较大提高。
引用
收藏
页码:54 / 58
页数:5
相关论文
共 6 条
[1]   GMDH算法的终止法则研究 [J].
张宾 ;
贺昌政 .
吉林大学学报(信息科学版), 2005, (03) :257-262
[2]   改进的GMDH型神经网络及其在混沌预测中的应用 [J].
赵小梅 ;
宋执环 ;
李平 .
电路与系统学报, 2002, (01) :13-17
[3]   基于自组织理论的GMDH神经网络算法及应用 [J].
刘光中 ;
颜科琦 ;
康银劳 .
数学的实践与认识, 2001, (04) :464-469
[4]   改进的 GMDH 方法及其在参数预报中的应用 [J].
徐田军,王桂增 .
控制与决策, 1994, (05) :367-371+366
[5]   GMDH的双向逐步回归递推算法 [J].
刘丹 ;
王秀峰 .
信息与控制, 1989, (05) :45-50
[6]   改进的GMDH方法——原始变量保存算法 [J].
杨自厚 ;
李宝泽 ;
郑秉林 ;
刘静海 .
自动化学报, 1986, (04) :397-400