期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
基于EGA算法的小样本非线性残差灰色Verhulst计量组合预测模型 被引量:10
1
作者 张侃 刘宝平 黄栋 《系统工程理论与实践》 EI CSSCI CSCD 北大核心 2017年第10期2630-2639,共10页
针对复杂经济系统下时间序列所呈现出的小样本非线性残差特征,采用非线性残差灰色Verhuilst模型进行研究,修正传统计量模型对于残差信息挖掘不够,预测精度不高的问题,在此基础上,选择带有精英策略的EGA算法来建立灰色Verhulst计量组合... 针对复杂经济系统下时间序列所呈现出的小样本非线性残差特征,采用非线性残差灰色Verhuilst模型进行研究,修正传统计量模型对于残差信息挖掘不够,预测精度不高的问题,在此基础上,选择带有精英策略的EGA算法来建立灰色Verhulst计量组合预测模型,设计了算法实现的逻辑流程和非线性残差灰色Verhulst计量组合预测模型的整体建模思路,提出了改进多准则目标优化NP完全问题的新方法,对模型的预测效果进行比较分析.实证研究表明:基于EGA算法的小样本非线性残差灰色Verhulst计量组合预测模型算法收敛速度快,拟合效果好,预测结果更精确. 展开更多
关键词 组合预测 小样本 非线性残差 灰色Verhulst 精英遗传算法
原文传递
含非线性残差的新能源汽车规模预测方法 被引量:4
2
作者 董晓红 冯芷蔚 +1 位作者 张家安 刘宁 《电力工程技术》 北大核心 2022年第5期76-84,共9页
掌握新能源汽车规模发展的趋势对政府调控、车企发展方向和能源部门决策都具有重要意义,据此文中提出一种含非线性残差的新能源汽车规模预测方法。首先,利用区间预测的方法对经济、政策不确定性进行研究;其次,在考虑规模预测的残差条件... 掌握新能源汽车规模发展的趋势对政府调控、车企发展方向和能源部门决策都具有重要意义,据此文中提出一种含非线性残差的新能源汽车规模预测方法。首先,利用区间预测的方法对经济、政策不确定性进行研究;其次,在考虑规模预测的残差条件下,采用组合预测模型和支持向量回归(SVR)模型,分别对线性成分、非线性残差进行预测;最后,以全国新能源汽车规模为例,得到未来新能源汽车规模的区间范围。通过对比不同预测方法,验证文中方法的有效性,并分析不同政策因素对新能源汽车的规模演化影响,可为后期充电设施等相关规划提供参考。 展开更多
关键词 新能源汽车 区间预测 组合模型 支持向量回归(SVR) 非线性残差 规模演化
下载PDF
精英遗传改进的非线性灰色神经网络算子与军费开支多目标组合预测应用 被引量:2
3
作者 张侃 刘宝平 黄栋 《系统工程与电子技术》 EI CSCD 北大核心 2018年第5期1070-1078,共9页
军费开支属于复杂经济系统下具有宏观经济特征的一类非线性时间序列。在多目标组合下的军费开支预测问题研究背景下,提出了一种基于精英遗传算法(elite genetic algorithm,EGA)改进的非线性灰色神经网络计量组合预测模型,给出了总体建... 军费开支属于复杂经济系统下具有宏观经济特征的一类非线性时间序列。在多目标组合下的军费开支预测问题研究背景下,提出了一种基于精英遗传算法(elite genetic algorithm,EGA)改进的非线性灰色神经网络计量组合预测模型,给出了总体建模思路与非线性灰色神经网络算子分系统和EGA分系统设计方法,解决了多准则目标优化的NP完全问题,并对模型的预测效果进行比较分析。采集美国27年间(1990-2016年)军费开支时间序列进行实证检验,分析结论认为非线性灰色神经网络算子能够有效提高模型精度,EGA算法在收敛速度与精度上优于标准遗传算法,采用所建立的预测模型进行军费开支预测精度更高,效果更好。 展开更多
关键词 组合预测 非线性残差 灰色神经网络算子 精英遗传算法
下载PDF
非线性最小残差绝对值和最小平差的遗传算法 被引量:1
4
作者 陈伟 王新洲 《地理空间信息》 2004年第3期8-9,12,共3页
遗传算法是一种基于自然选择和自然遗传学机理的全局优化搜索算法。文章在扼要介绍遗传算法的基础上,设计了非线性残差绝对值和最小的遗传算法,并将其运用于非线性残差绝对值和最小的平差模型中,并通过实例验证了该算法的有效性。
关键词 遗传算法 非线性残差绝对值和最小 非线性平差模型
下载PDF
融合线性和非线性残差的一次性垃圾分类模型
5
作者 张海鸥 《塑料科技》 CAS 北大核心 2020年第7期52-55,共4页
为应对一次性塑料垃圾难检测的问题,应用卷积神经网络提出一次性塑料垃圾分类模型。该模型在预处理阶段模拟手工提取方式捕获线性和非线性残差信息,在残差特征学习阶段通过卷积神经网络融合线性和非线性残差特征。仿真结果表明:线性和... 为应对一次性塑料垃圾难检测的问题,应用卷积神经网络提出一次性塑料垃圾分类模型。该模型在预处理阶段模拟手工提取方式捕获线性和非线性残差信息,在残差特征学习阶段通过卷积神经网络融合线性和非线性残差特征。仿真结果表明:线性和非线性残差特征具备较优的分类能力,深层次网络有利于融合各类残差且学习捕获高级语义特征信息,本模型的检测分类准确率为75.84%,优于传统HOG模型约8%。 展开更多
关键词 一次性塑料垃圾 卷积神经网络 线性非线性残差
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部