資源描述：
《基于神經(jīng)網(wǎng)絡的組合預測模型方法研究》由會員上傳分享，免費在線閱讀，更多相關內(nèi)容在行業(yè)資料-天天文庫。
1、基于神經(jīng)網(wǎng)絡的組合預測模型方法研究梁毅，劉世洪（中國農(nóng)業(yè)科學院農(nóng)業(yè)信息研究所，北京100081）摘要：【研究目的】提出以傳統(tǒng)豬瘟發(fā)病率為對象的組合預測模型；【方法】利用ARIMA模型以及灰色模型GM(1,1)進行數(shù)據(jù)初始化處理，將初步處理結果作為優(yōu)化后的BP神經(jīng)網(wǎng)絡輸入構建組合模型；【結果】利用組合模型對2000年到2009年的月度發(fā)病數(shù)據(jù)進行實例分析，結果表明預測數(shù)據(jù)精度達到97.379%，較ARIMA模型、灰色模型、BP神經(jīng)網(wǎng)絡模型分別提高了5.469%、3.499%、1.188%，模型平穩(wěn)性增強，預測結果良好；【結論】本研究為動物疫情測報提供了有效的分析手段，驗證了組合模
2、型在動物疫情研究中的可行性，并可為其他動物疫病提供借鑒和參考。關鍵詞：組合模型；ARIMA；GM(1,1)；遺傳算法；BP神經(jīng)網(wǎng)絡TheCombinedForecastModelMethodResearchBasedonNeuralNetworkYiLiang,ShihongLIU（InstituteofAgriculturalInformationofCAAS,Beijing,100081;)Abstract：【OBJECTIVE】RaisingthecombinedforecastingmodelwhichstudyontheClassicSwineFeverMorbidi
3、ty;【METHOD】WiththedatainitialprocessingbyARIMAandGM(1,1),theprocessingresultswillbetheinputsofthemajorizingBPneuralnetwork;【RESULTS】Usingcombinedmodeltoanalyzethemonthlydatafrom2000to2009,andtheaccuracyoftheforecastingresultsis97.379%.Thepredictionaccuracyofcombinedmodelincreasedby5.469%,3.4
4、99%,1.188%respectivelycomparedwithBPneuralnetwork,ARIMA,GM(1,1),whichprovesthecombinedmodelismoresteadythantraditionalmethods;【CONCLUSION】ThisresearchsupplytheefficientAnalyticaltoolsforanimalsdiseasesforecastingwork,verifyingthefeasibilityofcombinedmodelappliedtoanimaldiseasesforecastingres
5、earch,andalsoprovidesreferencetootheranimaldiseasesKeywords:CombinedModel,ARIMA,GM(1,1),GeneticAlgorithm,BPneuralnetwork1引言【研究意義】豬瘟作為世界動物衛(wèi)生組織（OIE）法定的A類動物疫病之一，對我國養(yǎng)豬業(yè)造成巨大的損失，是我國豬傳染病主要防治對象[1]。隨著信息技術的快速發(fā)展與應用，對疫情測報與防控措施評價等研究起到了重要的作用，由于動物疫情發(fā)生本身具有復雜性，受許多不同因素的影響，因此對于現(xiàn)代社會的測報方法提出了更高的要求?！厩叭搜芯窟M展】東北農(nóng)業(yè)大學的
6、許丹寧等人提出的基于自回歸滑動平均模型(Auto-RegressiveMovingAverage，ARIMA)的豬瘟作者簡介：梁毅（1988-），男，回族，陜西安康人，碩士研究生，研究方向為農(nóng)業(yè)信息技術.Tel.:010-82106265，E-mail:ryuui@126.com;通訊作者，劉世洪（1960-），男，山東臨朐人，研究員，博士生導師，研究方向為農(nóng)業(yè)農(nóng)村信息化發(fā)展、計算機農(nóng)業(yè)應用、農(nóng)業(yè)信息標準、知識組織等。Tel.:010-82106265，E-mail:lius@mail.caas.net.cn發(fā)病率預測模型，預測結果與原數(shù)據(jù)相比誤差指數(shù)較小，效果較為理想[2]；
7、PengGuan、De-ShengHuang、Bao-SenZhou等人針對肝病提出了一個基于神經(jīng)網(wǎng)絡的預測模型，通過對比ARIMA模7型預測結果，驗證了BP神經(jīng)網(wǎng)絡在有自回歸現(xiàn)象出現(xiàn)的情況有更好的預測結果和精度[3]；鄧奎、李龍國、伍儀寶在分析灰色模型與人工神經(jīng)網(wǎng)絡模型特點的基礎上提出了灰色神經(jīng)網(wǎng)絡組合預測模型，對農(nóng)業(yè)用水量進行預測，提出的灰色網(wǎng)絡組合模型預測效果明顯優(yōu)于單一模型結果[4]?！颈疚难芯壳腥朦c】傳統(tǒng)的預測方法在預測精度上有著比較大的差異，在動物疫情預測應用中發(fā)展得還不夠完善，
