论文研究-鱼雷研制费用的神经网络灰色Verhulst预测模型 .pdf

所需积分/C币:12 2019-08-18 14:40:03 211KB .PDF
收藏 收藏
举报

鱼雷研制费用的神经网络灰色Verhulst预测模型,梁庆卫,赵民全,鱼雷研制费用的累积曲线呈近似的S形状,选取某型鱼雷连续数年的研制费用建立灰色Verhulst模型,利用灰色模型获得研制费用序列的历史
国武技论文在线 进行累减还原,得到原始数据序列()()的灰色 模型为 则可以获得灰色 模型数列 精度检验 灰色模型的精度检验通常用后验差方法检验。模型精度由均方差比值和小误差概率共 同评定。其基本方法如下 设()为原始序列()为灰色模型模拟序列e()为()与(的残差序列。记原始数列 与残差数列的方差分别为和则 式中一为()的均值为残差c)()的均值。 根据 -和 计算后验差比值与小误差概率。精度 检验要求均方差比值越小越好、小误差概率越大预测模型的精度越高 神经网络 神经网络是由许多神经元构成的有向图,它模仿生物神经系统的网络结构,具有 自学习、自适应及非线性处理能力。网络通过自学习所学到的知识隐含在网络结构当中,不 需要对复杂系统的处理进行显式的定义,因而它对复杂非线性系统的处理方式与传统方法有 本质的区别。 算法作为人工神经网终的一种比较典型的学习算法是利用非线性可微分函数进行 杈值训练的多层网终,它包含了神经网终理论中最为精华的部分,其结构简单、可塑性强。 网终是一种具有层或层以上的神经网终,包括输入层、隐含层和输出层,上下层之 间实现全连接,而每层神经元之间无联系。在实际训练时首先要提供一红训练样本其中的 每个训练样木由输入样木和理想输出对组成。在网络学习过程中神经元的激活值从输入层 经各中间层向输出层传播,在输岀层的各神经元获得网络的输入响应。然后,以其输出与样 本的期望输岀进行比较,如果其误差不能满足要求,则沿着原κ的连接通路逐层返回,并利 用两者的误差按一定的原则对各层节点的连接权值进行调整,使误差逐步减小,反复学习直 至样本集总误差达到精度要求则认为训练结東即可在北基础上进行下一步的预测或拟合。 为避免陷入局部最优解,本文网络训练使用基于优化算法,层网终由输入层 隐含层和输出层组成。在进行预测时输入层和隐含层之间的激活函数采用正切 数, 隐含层和输出层之间采用线性函数。由于 函数的值域为,为了提高网终收敛速 度,对输入样本进行规范化处理,变换到 神经网络组合模型 灰色 模型虽然具有建模所需信息较少、建模方法简单等优点,神经网终仿真效 果好的特点充分挖掘这种模型所隐含的数据规律避免单一模型丢失信息的缺憾减少随机 性建立灰色神经网终组合预测模型。具体的做法是: 首先根据原始数据列建立灰色 模型获得原始序列的历史拟合值和预测偵数 国武技论文在线 据序列 为了进一步进行误差修正,文献均考虑到了利用神经网络模型对灰色模型进行补 偿预测,将列和进行比较,得到残差序列()=()()-((), 由于残差有正有负,故先对残差正数化对每个数据加上最小的负数的绝对值再加化成正 数,这里用(() 以小区别。利用原始数据列和残差修正数列进行重新 分组,以连续年的实际值为输入,以下一年的残差修正值为输出,则可以分为组 获得矩阵如下 () () ()((+) () 其中-(+)为未知值。 对上述矩阵建立神经络模型,输入层为,即毎一组数据列,输岀层为,即进行灰 预测获得的残差值。使用前一组数据进行网络训练,得到网络中对应」每个 结点的·系列权值与阈值。训练完毕后,利用第组数据进行仿貞预测,则可获得第十点 的残差预测值(+) 将获得的残差预测值-(+)补偿到灰色 预测值中,则最终获得灰色 神经网络组合预测结果为 实例仿真 某型鱼雷的逐年研制费用如表所示 表:研制费用单位:万元(初始财年) 年份 研訇费用 假定第10年度的研制费用木知,现使用前9年度的研制费用建立灰色 神经网 终组合预测模型,预测第年度的研制费用,并同实际值进行比较。 首先利用研制费用数据列建立灰色 模型,获得模型的时间响应函数为 根据时间响应函数可获得灰色 模型预测值序列 通过式(1)和(5),可获得灰色 残差序列 国武技论文在线 E 经过处理,化为正值获得 (6) 代入精度检验公式,可得 根据模型预测精度表可知,该模型精度为级 为了获得更为精确的模型,下面使用神经网络对模型进行改进 利用式,将式(1)和(6)的数据列进行分组,取为,则可分为组(取为7)数据。 经多次验证,可以采用 的神经网络,输入层、隐含层传递函数为正切 型,输出层为线性传递函数.取组数据作为样本训练网络,设置最人学习次数为1000 次,学习速率为0.01,学习目标取误差平方和为 ,将输入值归一化到 设置 网络连接权的初始值为|-1,1|的随机数。 通过 进行仿真计算,可以待到学习训练的收敛情况,网络在步左右就收敛, 满足期望淏,可获得模型,将第7组数据输入模型,刂获得第10年度硏制费用的残差修正 值为 进而可预测第10年的组合预测值为 表第年度实际值与预测值对比表 年份 实际值 灰色模型 灰色 神经网络模型 预测值 相对误差(%) 预测值 相对误差(%) 从表可以得出,灰色 神经网络模型的预测精度明显优于单纯的灰色 模型,即组合算法的拟合效果更好。将表中前年度的原始数据应用此法重新建模, 可获得第年度的灰色 神经网络预测值为 结论 鱼雷研制周期不可能太久,决定了鱼雷年度研制费用数据样本点较少不适合直接用神 经网络进行预测灰色理论适合小样本时间序列的预测但预测精度不高。为了克服神经网络 训练需要大量的样本数据提高预测精度本文提出灰色 神经网络模型,灰色 神经网终在原始数据样木较少的情况下成功地预测了后一年度的鱼雷研制费用。仿真实验 证明灰色 神经网络模型有效地解决了网络训练样本不足的问题充分利用了灰 色理论和神经网络理论的性质,提高了数列的预测精度比单一预测模型的精度都要高。 参考文献 陈学楚.装备系统工程.北京:国防工业出版社 佥锋崔卉张玉平李庆常武器装备研制阶段赍用预测方法及仿真.北京理工大学学报 梁宇,李保林,李勇,李执力.应用改进的神经网终预测导弹的研制费用.战术导弹技术 李登科,张恒喜,李寿安.B神经网终的飞机机体硏制费用佔算.火力与指挥控制 邓聚龙.灰预测与灰决策.武汉:华中科技人学出版社 魏海坤.神经网络结构设计的理论与方法.北京:国防工业出版社. 国武技论文在线 石为人,王燕霞,唐云建,范敏.基于灰色神经网终建模的水质参数预测.计算机应用 刘渊,曹建华,戴悦.基于补偿器的灰色神经恻络流量预测模型.计算机应用. 张弦,李世平,孙浚清,唐超.基丁灰色神经网络组合模型的动态薮据序列预测.电子测量技术. 赵英俊,号弹武器装备最佳服役年限分析「.空军号弹学院学报

...展开详情
试读 6P 论文研究-鱼雷研制费用的神经网络灰色Verhulst预测模型 .pdf
立即下载 低至0.43元/次 身份认证VIP会员低至7折
    抢沙发
    一个资源只可评论一次,评论内容不能少于5个字
    img

    关注 私信 TA的资源

    上传资源赚积分,得勋章
    最新推荐
    论文研究-鱼雷研制费用的神经网络灰色Verhulst预测模型 .pdf 12积分/C币 立即下载
    1/6
    论文研究-鱼雷研制费用的神经网络灰色Verhulst预测模型 .pdf第1页
    论文研究-鱼雷研制费用的神经网络灰色Verhulst预测模型 .pdf第2页

    试读已结束,剩余4页未读...

    12积分/C币 立即下载 >