论文部分内容阅读
建立了基于实码加速遗传算法（realcodedacceleratinggeneticalgorithm，RAGA）的灰色（greymodel，GM（1，1））．径向基函数（radialbasisfunction，RBF）神经网络预测模型。该模型克服了传统GM（1，1）模型存在明显系统误差和容易陷入局部最优的缺点，具有GM（1，1）模型对数据确定性方面把握的优点，同时融合了人工神经网络在不确定因素预测方面的优势。运用该模型对山西工业需水量进行预测，预测表明该模型相比单个传统模型具有相对较高的预测精度，验证了