人民黄河
人民黃河
인민황하
Yellow River
2012年
3期
42-44
,共3页
城市用水量%灰色模型%微粒群算法
城市用水量%灰色模型%微粒群算法
성시용수량%회색모형%미립군산법
为了提高城市用水量的预测精度,基于灰色GM(2,1)模型,采用参数ρ进行数乘变换,利用参数λ修正其背景值,引入微粒群算法(PSO)寻求参数λ、ρ的最优解,构建PSO -GM(2,1,λ,ρ)模型,对某市1990-2001年用水量进行预测,并与灰色神经网络(GNNM)算法预测结果进行对比.结果表明:引入PSO算法,利用其全局搜索、局部搜索相结合的搜索模式确定λ、ρ,可以提高灰色模型的预测精度;参数λ、ρ的随机性、灵活性加上PSO算法的搜索性、寻优高效性使PSO -GM(2,1,λ,ρ)模型比GNNM模型预测精度更高.
為瞭提高城市用水量的預測精度,基于灰色GM(2,1)模型,採用參數ρ進行數乘變換,利用參數λ脩正其揹景值,引入微粒群算法(PSO)尋求參數λ、ρ的最優解,構建PSO -GM(2,1,λ,ρ)模型,對某市1990-2001年用水量進行預測,併與灰色神經網絡(GNNM)算法預測結果進行對比.結果錶明:引入PSO算法,利用其全跼搜索、跼部搜索相結閤的搜索模式確定λ、ρ,可以提高灰色模型的預測精度;參數λ、ρ的隨機性、靈活性加上PSO算法的搜索性、尋優高效性使PSO -GM(2,1,λ,ρ)模型比GNNM模型預測精度更高.
위료제고성시용수량적예측정도,기우회색GM(2,1)모형,채용삼수ρ진행수승변환,이용삼수λ수정기배경치,인입미립군산법(PSO)심구삼수λ、ρ적최우해,구건PSO -GM(2,1,λ,ρ)모형,대모시1990-2001년용수량진행예측,병여회색신경망락(GNNM)산법예측결과진행대비.결과표명:인입PSO산법,이용기전국수색、국부수색상결합적수색모식학정λ、ρ,가이제고회색모형적예측정도;삼수λ、ρ적수궤성、령활성가상PSO산법적수색성、심우고효성사PSO -GM(2,1,λ,ρ)모형비GNNM모형예측정도경고.