计算机与现代化
計算機與現代化
계산궤여현대화
COMPUTER AND MODERNIZATION
2013年
6期
5-8
,共4页
唐永红%王超%龚安%徐加放%高海康
唐永紅%王超%龔安%徐加放%高海康
당영홍%왕초%공안%서가방%고해강
预测%水合物形成条件%小波神经网络%学习方式
預測%水閤物形成條件%小波神經網絡%學習方式
예측%수합물형성조건%소파신경망락%학습방식
prediction%hydrate formation conditions%wavelet neural network%learning style
传统的水合物形成条件预测方法都存在各种缺点,而小波神经网络预测水合物形成条件的精度比较高,利于推广.针对水合物形成条件预测值之间相对差距较大,本文提出群体最大误差比率代表机制来改进小波神经网络的学习方式.实验结果表明,该算法有效可行,预测准确度高.
傳統的水閤物形成條件預測方法都存在各種缺點,而小波神經網絡預測水閤物形成條件的精度比較高,利于推廣.針對水閤物形成條件預測值之間相對差距較大,本文提齣群體最大誤差比率代錶機製來改進小波神經網絡的學習方式.實驗結果錶明,該算法有效可行,預測準確度高.
전통적수합물형성조건예측방법도존재각충결점,이소파신경망락예측수합물형성조건적정도비교고,리우추엄.침대수합물형성조건예측치지간상대차거교대,본문제출군체최대오차비솔대표궤제래개진소파신경망락적학습방식.실험결과표명,해산법유효가행,예측준학도고.
