灰色神經網絡改進算法及其應用研究.pdf

1、近些年來，計算機技術和數據庫技術都有長足進步，對數據挖掘技術的研究越來越深入，技術的應用也越來越廣泛。同時，由于單個數據挖掘算法功能有限，不可避免會有不足之處，于是將多個數據挖掘算法結合起來，構成組合模型進行組合預測。
　　 新的模型吸收單個模型的優(yōu)點、克服單個模型的缺點，取長補短，有更好的模型預測性能，現已成為數據挖掘領域一個重要的研究方向?；疑窠浘W絡是一種典型的組合預測模型，它將灰色預測模型和神經網絡預測模型組合，根據這兩

2、個單個模型的特點對建立的組合模型進行改進和優(yōu)化，使新模型具有更好的預測性能。組合而成的灰色神經網絡模型能克服灰色預測模型不能進行自我反饋調節(jié)、神經網絡模型易陷入局部極小且收斂速度慢的缺點，具有更好的預測效果。目前，灰色神經網絡預測模型已經成功應用于數據挖掘、模式識別和機器學習等領域。
　　 本文中，詳細介紹幾種數據挖掘模型及其預測原理，對常用的灰色算法和神經網絡算法的研究概況、應用和算法原理進行介紹，分析這兩種典型數據挖掘算法的

3、優(yōu)缺點；詳細介紹灰色神經網絡算法及其關鍵技術，并著重研究和分析灰色神經網絡算法的原理以及灰色神經網絡預測過程中存在的問題，并在前面研究的基礎上提出模型的改進和解決方案，建立GNNM(0，N)型灰色神經網絡模型并對模型參數進行改進；最后，選取丹江口庫區(qū)鄖西地區(qū)歷年土壤侵蝕數據為實驗數據，Microsoft Visual StudioC＃和Microsoft SQL Server 為開發(fā)工具，運用改進的灰色神經網絡算法，完成土壤侵蝕的定量預