本文關鍵詞：基于改進粒子群優(yōu)化算法的灰色神經(jīng)網(wǎng)絡模型，由筆耕文化傳播整理發(fā)布。

第５期

馬軍杰。等：基于改進粒子群優(yōu)化算法的灰色神經(jīng)網(wǎng)絡模型

７４３

差好于其他模型，可為生產(chǎn)實踐提供更為準確的理論依據(jù)．

＋實際訂單數(shù)

＋改進ＰＳＯ—ＧＮＮＭ

姐色

≤

一舉

月份／月

圖２改進ＰＳ（ｘＧＮＮＭ網(wǎng)絡預測圈

Ｆｉｇ．２

ＦｔＨ聊硼ｔｉｎｇ

ｒｅｓｕｌｔ

ｏｆｍｏｄｉｆｉｅｄ

ＰＳｏＧ舢

表２改進ＰＳＯ－（；ＮＮＭ模型運行結果與其他預測模型比較

＇ｌａｂ．２

Ｒｕｎｎｉｎｇ

ｒｅｓｕｌｔＣＯＩｌｌｐｌＥｕｔ＇ｉＪｌＯＩｒｌｏｆ

ｍｏｄｉｆｉｅｄＰＳＯ－

ＧＮＮＭａｎｄｏｔｈｅｒｆｏｒｅｃａｓｔｉｎｇｍｏｄｅｌｓ黜ＰＳ刪Ｏ－Ｇ漁ＮＮＭＭＮＮＧ模型

ＭＮＮ篷Ｇ

模型

管磊

Ｘ＝～：二”４

”４

平均相對１０．２３６５

１１．７４６

９

１０．４３２３

１２．３３４

３

６．６９７１

ｉＪＩｌ自ｉｉ誤差／％數(shù)據(jù)平均絕對

誤差

ｏ．１６４７

０．１８７４

ｏ．１６７９０．１９７０ｏ．１１６４

平均相對ｔ８９

５．５５

５．５８

７．１

９．８１

驗證誤差／％數(shù)據(jù)平均絕對

誤差

ｏ．０９１２

０．０９８６

０．１０１６

０．１２Ｚ

９

０．１７４１５結論

（１）本文利用改進粒子群算法與灰色神經(jīng)網(wǎng)各自的優(yōu)點進行耦合，用改進的粒子群算法代替梯度下降法，調(diào)整網(wǎng)絡的權值，用灰色神經(jīng)網(wǎng)絡輸出的均方誤差作為粒子適應度值，實現(xiàn)了灰色神經(jīng)網(wǎng)絡模型參數(shù)的優(yōu)化，彌補了傳統(tǒng)算法當中的部分缺陷．

（２）以冰箱短期訂單量為實例進行模型仿真．

實例表明，相比其他模型，改進ＰＳｏＧＮＮＭ模型計

算的平均絕對誤差更小，精度更高，更符合實際訂單．在生產(chǎn)實際中，可以根據(jù)建立的模型，對市場進行預測，為生產(chǎn)管理服務，提高管理決策的科學性．

（３）本文所提出的改進粒子群優(yōu)化算法的灰色神經(jīng)網(wǎng)絡模型為短期訂單預測研究提供了科學，有

萬方數(shù)據(jù)

效的新途徑，為了解需求趨勢、市場份額，價格波動、訂單滿足率和分銷商聯(lián)合預測和冰箱銷量關系提供了一個總體認識．參考文獻：

［１］鄧聚龍．灰色系統(tǒng)基本方法［Ｍ］．武漢ｔ華中科技大學出版社，

２００５．３８—４２．

ＤＥｂｌＧＪｔｔｌｏｎｇ．Ｔｌｍｐｒｉｍａｒｙｍｅｔｈｏｄｓｏｆ

ｇｒｅｙｓｙｓｔｅｍｔｈｅｏｒｙ

ｒＭ３．Ｗｕｈａｎ：｝ｈ“：ＩⅫ【ｌｇ

ＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄｌ＂ｅｃｔｍｏｌｏｇｙ

Ｐｒｅｓｓ，２００５．３８—４２．

ｒｚ］袁景凌，鐘珞。李小燕．灰色神經(jīng)網(wǎng)絡的研究及發(fā)展口］．武漢理

工大學學報，２００９（３）：９１．

ＹＩＪＡＮ

Ｊｉｎｇｌｉｎｇ，ＺｌｔＯＮＧＬｕｏ ＬＩＸｉａｏｙａｎ．Ｔｈｅｒｅｓｅａｒｃｈａｎｄ

ｄｅｖｅｌｏｐｍｅｎｔｏｔ

ｇｒｅｙ

ｎｅｕｒａｌｎｅｔｗｏｒｋＣＪ］．Ｊｏｕｒｎａｌｏｔ

Ｗｕｌｕａｎ

ＵｎｉｖｅｒｓｉｔｙｏｔＴｅｃｈｎｏｌｏｇｙ，２００９（３）：９ｌ－

［３］ＫｅｎｎｅｄｙＪ，Ｅ１）ｅｒｈａｒｔＲＣ．Ｐａｒｔｉｃｌｅ

ｓｗｍｎ

ｏｐｔｉｍｉｚａｔｉｏｎ

Ｉ－ｃ］／／

Ｐｒｏｃｅｅｄｉｎｇｓ

ｏｆ

ＩＥＩｍ

Ｉｎｔｅｌｍｔｉｏｍｌ

Ｃｏｎｆｅｒｅｎｃｅ

Ｏｎ

Ｎｅｕｒａｌ

Ｎｅｔｗｏｒｌ∞．Ｐｅｒｔｈ：ＩＥＥＥＰｒｅｓｓ，，１９９５：１９４２＿１９４８．

ｒ４］Ｌｋｒｂａｒｔ

ＲＣ．ＫｅｒｍｅｄｙＪ．Ａ

ｎｅｗ

ｏｐｔｉｍｉｚｅｒｕｓｉｎｇｌⅪｒｔｉｅｌｅｓｗａｌ＇ｍ

ｔｈｅｏｒｙｒＣ］／／ＰｒｏｃｅｅｄｉｎｇｓｏｉｔｈｅＳｉｘｔｈＩｎｔｅｒｎａｔｉｏｎａｌＳｙｍｐｏｓｉｕｍ

Ｏｉｌ

Ｍｉｃｒｏｍａｃｌａｉｎｅａｎｄ１ＪａｌｍａｎＳｃｉｅｎｃｅ．Ｎａｇｏｙａ

ｚ

ＩＥ玨Ｐｒｅｓｓ，

１９９５１

３９—４３．

［５］劉仁濤，付強。馮艷，等．基于ＲＡＧＡ的灰色神經(jīng)網(wǎng)絡預測模型

及其對三江平原地下水埋深的動態(tài)預測［Ｊ］．系統(tǒng)工程理論與實踐，２００８（５）：１７１．

ＬＩＴｄＲｅｎｔａｏ，ＦＵＱｉａｎｇ。Ｈ烈ＧＹａｎ，ｅｔａ１．ＧｒｅｙＢＰｎｅｍ－ａｌ

ｎｅｔｗｏｒｋｓ

ｍｏｄｅｌ州Ｏｎ

Ｒ＾ｃ遺ａｎｄｉｔｓａｐｐｌｉｃａｔｉｏｎｉｎ

ｇｒｏｕｎｄｗａｔｅｒｄｙｎａｍｉｃｐｒｅｄｉｃｔｉｏｎ

ｏｆ

ｔｈｅ

Ｓａｎｉｉａｎｇ曲ｉｎ［Ｊ］．

Ｓｙｓｔｅｍｓ

ＥｎｇｉｎｅｅｒｉｎｒＴｈｅｏｒｙ＆Ｐｒａｃｔｉｃｅ，２００８（５）：１７１．

［６］張國華。張展羽沼Ｅ光成，等．基于粒子群優(yōu)化算法的灌溉渠道

配水優(yōu)化模型研究［Ｊ］．水利學報，２００６，３７（８）：１００４．

刁｛ＡＮＧＧｕｏｈｕａ．刁塒蚺ＧＺｈａｎｙｕ．Ｓ】∞ＯＧｕａｎｇｃｈｅｎｇ，ｅｔａ１．

Ｏｐｔｉｍｉｚａｔｉｏｎｍｏｄｅｌ

ｔｏｒｄｉｓｃｈａｒｇｅｄｉｓｔｒｉｂｕｔｉｏｎｏｆ

ｉｒｒｉｇａｔｉｏｎ

ｃｈａｎｎｅｌｓｂａ８ｅｄ

Ｏｎ

ｐａｒｔｉｃｌｅ

ｓｗａｒｍ

ｏｐｔｉｍｉｚｅｒ［Ｊ］．Ｊｏｕｒｎａｌｏｔ

ＨｙｄｒａｕｌｉｃＥｎｇｉｎｅｅｒｉｎｇ，２００６，３７（８）：１００４．

［７］王渡，王燦林，粱國強．基于粒子群尋優(yōu)的Ｄ－Ｓ算法ＥＪＩ．傳感器

與微系統(tǒng)，２００７．２６（１）：８４．

ＷＡＮＧ

Ｂｏ，ＷＡＮＧ

Ｃａｎｌｉｎ．ＵＡＮＧＧｕｏｑｉａｎｇ，Ｂ－Ｓａｌｇｏｒｉｔｈｍ

ｂａ３酣０１１ｐａｒｔｉｃａｌ

ｓｗ＇ｄｎ／ｉ

ｏｐｔｉ．１ｉｚｅｒｒｊ］．Ｔｒａｎｓｄｕｃｅｒ

ａｎｄＭｉｅｒｏ

ＳｙｓｔｅｒｒｎＴｅｃｈｎｏｌｏｇｉｅｓ。２００７。２６（１）：８４．

［８］張志英，楊克開，于瑾維，等．改進粒子群算法的動態(tài)空間調(diào)度

方法［Ｊ］，哈爾濱工程大學學報，２（？０９，３０（１２）：１３４４．

刁¨ＮＧ

２ｈｉｙｉｎｇ．ＹＡＮＧＫｅ．１∞ｉ．ＹＵＪｉｎｘ，ｅｌ，ｅｔａｌ．Ｄｙｌｌａｌ．／ｌｉｃｓｌ峪ｔｉａｌ

ｓｃｈｅｄｕｌｉｎｇａｐｐｒｏａｃｈ

ｂａｓｅｄ

０１１１

ｉｍｐｒｏｖｅｄ

ｐａｒｔｉｃｌｅ

ｓｗａｒｍ

ｏｐｔｉｍｉｚａｔｉｏｎ

ａｌｇｏｒｉｔｈｍ［Ｊ］．Ｊｏｕｒｍｌ

０ｆ

ＨａｒｂｉａＪ￡ｎｇｉｎｅｅｎｎｇ

Ｕｎｉｖｅｒｓｉｔｙ，２００９，３０（１２）：１３４４．

［９］史峰，王小川，郁磊，等．Ｍａｔｌａｂ神經(jīng)網(wǎng)絡３０個案例分析［Ｍ］．

北京：北京航空航天大學出版社，２０ｌＯ．２５８－２６５．

ＳＨＩＦｅｎｇ，ＷＡＮＧＸｉａｏｃｈｕａｎ，Ｙ＇ｔｉ＂Ｌｅｉ．Ｍａｔｌａｂｎｅｕｒａｌｎｅｔｗｏｒｋａｎａｌｙｓｉｓ

０ｆ

３０

ｃａ９∞［Ｍ］．Ｂｅｉｊｌｎｇ．．ＢｅｉｊｉｎｇＵｎｉｖｅｒｓｉｔｙ

ｏｌ

Ａｅｒｏｎａｕｔｉｃｓ＆Ａｓｔａ＇ｏｎａｕｔｉｃｓＰｒｅｓｓ，２０１０．２５８－２６５．

  本文關鍵詞：基于改進粒子群優(yōu)化算法的灰色神經(jīng)網(wǎng)絡模型，由筆耕文化傳播整理發(fā)布。

本文編號：53510