论文部分内容阅读
随着科学技术和社会经济的快速发展，人们越来越需要对事物的发展进行准确的预测，以便做出最合理的决策。针对成都市现代农业指标监测与评价系统中预测能力不足的缺点，本文利用灰色预测少量数据建模的特点和BP神经网络良好的非线性函数逼近能力，将两种方法有效融合，并采用遗传算法进行优化，设计并开发了一套基于Web方式的，具有一定通用性的现代农业指标预测系统。
本文在对灰色系统和人工神经网络进行深入研究的基础上，利用灰色预测模型和BP神经网络的优势互补性，提出基于等维递补GM(1，1)模型和BP神经网络的残差补偿融合方式，并引入遗传算法对其进行优化，建立了GA-GBPEC动态预测模型。优化过程中，将GM(1，1)模型推广为GM(1，1，λ)，拓展了灰色预测模型的应用范围。同时，针对BP神经网络各层节点数难以确定、收敛速度慢和全局搜索能力弱的特点，提出一种遗传优化策略同时确定BP网络的最优结构和最优初始权值。实验结果表明：残差补偿融合方式结构模式良好，GA-GBPEC组合模型相比单一模型，能有效提高预测精度。
在预测系统的设计与实现上，采用Matlab语言实现预测算法，保证计算的效率，以Asp.net高级语言开发Web应用系统，提高易用性，通过COM技术和Matlab引擎技术完成两者间的数据通信。