论文部分内容阅读
采用主成分分析法筛选出显著的驱动因子,结合灰色关联分析将筛选出的驱动因子进行灰色聚类和优势分析.以用水量驱动因子为基础,利用SPSS建立多层感知器网络,利用矩阵实验室建立GRNN神经网络和BP神经网络.将诱导有序加权平均算子(10WA)应用到水量预测模型中,构建基于IOWA算子的MLP—GRNN—BP组合用水量预测模型,最后建立由平方和误差(SSE)、均方误差(MSE)、平均绝对误差(MAE)、平均绝对百分比误差(MARE)、均方百分比误差(MSPE)和Theil系数(肛)组成的预测效果评价体系,评价预测