山西建筑
山西建築
산서건축
SHANXI ARCHITECTURE
2015年
12期
212-213,214
,共3页
小波去噪%GM(1,1)模型%RBF神经网络%沉降预测%组合模型
小波去譟%GM(1,1)模型%RBF神經網絡%沉降預測%組閤模型
소파거조%GM(1,1)모형%RBF신경망락%침강예측%조합모형
wavelet denoising%GM(1,1)model%RBF neural network%settlement predication%combined model
应用小波去噪的新陈代谢GM（1，1）模型和小波去噪的RBFNN组合模型对两个实例进行处理和预测，结果表明组合模型预测结果优于单一模型，RBFNN预测模型的预测精度受噪声影响明显，而新陈代谢GM（1，1）预测模型对于短期预测具有较高的精度，且预测精度在噪声较小的情况下不受噪声影响。
應用小波去譟的新陳代謝GM（1，1）模型和小波去譟的RBFNN組閤模型對兩箇實例進行處理和預測，結果錶明組閤模型預測結果優于單一模型，RBFNN預測模型的預測精度受譟聲影響明顯，而新陳代謝GM（1，1）預測模型對于短期預測具有較高的精度，且預測精度在譟聲較小的情況下不受譟聲影響。
응용소파거조적신진대사GM（1，1）모형화소파거조적RBFNN조합모형대량개실례진행처리화예측，결과표명조합모형예측결과우우단일모형，RBFNN예측모형적예측정도수조성영향명현，이신진대사GM（1，1）예측모형대우단기예측구유교고적정도，차예측정도재조성교소적정황하불수조성영향。
Processing and prediction to two examples based on the combined model of wavelet RBF neural network and the combined model of wavelet gray metabolic GM(1,1). The results indicate that a combination is superior to a single model predicted results. The prediction accuracy of RBFNN significantly affected by noise,Metabolic GM(1,1)prediction model of short-term prediction is high accuracy,and the prediction ac-curacy is unaffected when the noise is small.
