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