计算机应用
計算機應用
계산궤응용
COMPUTER APPLICATION
2015年
5期
1499-1504
,共6页
自适应%模糊%广义回归神经网络%区域火灾数据%预测
自適應%模糊%廣義迴歸神經網絡%區域火災數據%預測
자괄응%모호%엄의회귀신경망락%구역화재수거%예측
adaptive%fuzzy%Generalized Regression Neural Network (GRNN)%regional fire data%forecasting
针对基于反向传播(BP)神经网络和经典概率论及其衍生算法进行火灾损失预测时,存在系统结构复杂、依赖不稳定的探测数据、易陷入局部极小值等缺点,提出一种基于自适应模糊广义回归神经网络(GRNN)的区域火灾数据推理预测算法.在网络输入层使用改进模糊C-聚类算法,对初始数据进行权重修正,减少了噪声和孤立点对算法造成的影响,提高了预测值的逼近精度;引入自适应函数优化GRNN算法,调整迭代收敛的扩展速度、变化步长,找到全局最优解,改善了过早收敛问题,提高了搜索效率.实验结果表明,该算法代入已确定火灾损失数据,解决了依赖不稳定探测数据问题,并且具有良好的泛化能力、非线性逼近能力.
針對基于反嚮傳播(BP)神經網絡和經典概率論及其衍生算法進行火災損失預測時,存在繫統結構複雜、依賴不穩定的探測數據、易陷入跼部極小值等缺點,提齣一種基于自適應模糊廣義迴歸神經網絡(GRNN)的區域火災數據推理預測算法.在網絡輸入層使用改進模糊C-聚類算法,對初始數據進行權重脩正,減少瞭譟聲和孤立點對算法造成的影響,提高瞭預測值的逼近精度;引入自適應函數優化GRNN算法,調整迭代收斂的擴展速度、變化步長,找到全跼最優解,改善瞭過早收斂問題,提高瞭搜索效率.實驗結果錶明,該算法代入已確定火災損失數據,解決瞭依賴不穩定探測數據問題,併且具有良好的汎化能力、非線性逼近能力.
침대기우반향전파(BP)신경망락화경전개솔론급기연생산법진행화재손실예측시,존재계통결구복잡、의뢰불은정적탐측수거、역함입국부겁소치등결점,제출일충기우자괄응모호엄의회귀신경망락(GRNN)적구역화재수거추리예측산법.재망락수입층사용개진모호C-취류산법,대초시수거진행권중수정,감소료조성화고립점대산법조성적영향,제고료예측치적핍근정도;인입자괄응함수우화GRNN산법,조정질대수렴적확전속도、변화보장,조도전국최우해,개선료과조수렴문제,제고료수색효솔.실험결과표명,해산법대입이학정화재손실수거,해결료의뢰불은정탐측수거문제,병차구유량호적범화능력、비선성핍근능력.
