基于灰色系统与神经网络的组合预测方法及应用研究

摘要

灰色组合预测模型是组合预测理论中的主要研究方向之一，灰色模型与其他模型的有机结合是灰色组合预测模型的重要内容。本文对灰色预测模型和神经网络的基本概念和建模机理进行分析，并对灰色 GM(l,1)模型、灰色 Verhulst模型和BP神经网络的结合方式进行研究，建立了将灰色系统和神经网络相结合的组合预测模型，分别提出了基于灰色GM(1,1)模型与BP神经网络的组合预测模型GM-BP1和GM-BP2，基于灰色 Verhulst模型与BP神经网络的组合预测模型 Verhulst-BP，并分别通过实验验证了三种方法的有效性和可行性。具体如下：
　　(1)基于灰色 GM(1,1)模型与BP神经网络的组合预测模型 GM-BP1：通过对原始数据序列建立GM(1,1)模型得到误差序列，进而用BP神经网络对误差序列进行回归训练获取预测误差序列，最后将 GM(1,1)模型预测值与预测误差相加得到新的预测值。该模型通过对 GM(1,1)模型预测值的误差进行修正，使模型精度得到了明显的提高。
　　(2)基于灰色 GM(1,1)模型与BP神经网络的组合预测模型 GM-BP2：分别利用原始数据的部分数据序列来建立部分数据GM(1,1)模型组，借助 BP神经网络建立这一部分 GM(1,1)模型组计算所得到拟合值与原始数据之间的非线性映射关系，通过训练生成的网络对 GM(1,1)模型的发展趋势作出估计，通过组合预测来提高模型在中长期预测中的预测精度。
　　(3)基于灰色 Verhulst模型与BP神经网络的组合预测模型 Verhulst-BP：将GM-BP2模型中BP神经网络与GM(1,1)模型结合的方式推广到 BP神经网络与灰色 Verhulst模型的结合上，使其不仅能处理 S型饱和数据序列或单峰值序列，而且较传统 Verhulst模型具有更好的预测精度。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 研究背景及意义

1.2 研究的目的和意义

1.3 本文研究内容和组织结构

1.4 本章小结

第二章 基于灰色理论的灰色预测模型

2.1 灰色系统概述

2.2 灰色 GM(1,1)预测模型

2.3 灰色 Verhulst 预测模型

2.4 本章小结

第三章 BP 神经网络的基本理论

3.1 神经网络概述

3.2 神经网络的结构和分类

3.3 BP 误差反向传播神经网络

3.4 本章小结

第四章 灰色 GM-BP 网络组合预测模型的构建及应用

4.1 灰色 GM(1,1)模型与 BP 神经网络预测技术的融合

4.2 GM-BP1 组合预测模型的提出和建立

4.3 GM-BP2 组合预测模型的提出和建立

4.4 应用实例及对比分析

4.5 本章小结

第五章 灰色 Verhulst-BP 网络组合预测模型的构建及应用

5.1 Verhulst-BP 组合预测模型的提出和建立

5.2 应用实例及对比分析

5.3 本章小结

第六章 结束语

6.1 本文总结

6.2 研究展望

致谢

参考文献

攻读硕士期间主要的研究成果