字出处附件外文资料翻译译文改进的灰色预测模型在电力需求上的应用工业议员姜旭，陈嘉勇工业工程与管理系，南殿青年技术学院，超群，颜水，路，台湾，台南海信号资源工程研究所，台南国立成功大学，大学路，台湾，或更多层体系结构个输入层，个输出层和至少个隐层描述这个网络计算过程如下,图个简单神经与个模型其中是输出节点，是传递函数，是在底层节点和节点之间连接权重是来自于底层节点输入信号误差反向传播是个梯度下降算法它试图通过改变权重沿其梯度降低总误差以提高神经网络性能误差反向传播算法减少了平方误差，这可以通过以下来计算图网络图人工神经信号预测系统结构其中是平方误差，是模式指数，是实际目标输出和是网络输出这里使用了两状态人工神经网络模型去预测残差序列符号首先，我们引入虚拟变量表示第年残余符号假设第个年残差符号为正，则值是，否则为然后，我们使用和值建立了个人工神经网,其中用逆累加生成操作，我们有,其中,叫做灰色,拟合序列，而,称为灰色，模型预测值改进灰色预测模型邓还提出了种残差修正模型，即修正灰色，模型真值与预测值差值被定义为残差序列我们记残差序列为,其中残差,灰色模型比原始，灰色模型提高了预测准确性，我们可以加上残差模型预测值得到修正后预测值然而,残差序列基数取决于具有相同符号数据点个数，当观察值不是很多时这通常是很小在这些情况下，具有相同符号残差序列基数不会超过个，而此时残差模型不能够被建立在这里我们提出个改进灰色模型来解决这个问题我们建立个修正子模型，该模型是个组合残差,预测系统，即结合了人工神经网络对残余符号估计而得到残差绝对值这个改进预测系统原理描述如图，构建详细改进灰色预测过程如下图预测系统原理图残差预测模型首先，残差序列绝对值表示为,,其中,,通过使用相同方法如式，个灰色，模型可以被建立预测残差序列表示为,然后,残差预测输出最终预测残差输入原始预测输出残差符号估计原始模型原始灰色,预测修正子模型残差灰色,预测人工神经网络符号估计混合模块数据输入人工神经网络残差符号估计模型近年来，已经进行了大量人工智能预测技术问题方面研究然而，该模型毫无疑问由于应用了神经网络这强大计算工具而受到广泛关注图给出了个概要生物神经和个基本神经网络元素人工神经网络模型像个黑盒操作，不需要系统详细信息相反它们会通过研究以前数据，学习输入参数和受控及非受控变量间关系人工神经网络模型可以处理庞大而复杂系统，这些系统带有许多相互关联参数神经体系结构几种类型是可用，其中多层反向传播神经网络是最广泛使用正如图显示，网络通常采用三层或更多层体系结构个输入层，个输出层和至少个隐层描述这个网络计算过程如下,图个简单神经与个模型其中是输出节点，是传递函数，是在底层节点和节点之间连接权重是来自于底层节点输入信号误差反向传播是个梯度下降算法它试图通过改变权重沿其梯度降低总误差以提高神经网络性能误差反向传播算法减少了平方误差，这可以通过以下来计算图网络图人工神经信号预测系统结构其中是平方误差，是模式指数，是实际目标输出和是网络输出这里使用了两状态人工神经网络模型去预测残差序列符号首先，我们引入虚拟变量表示第年残余符号假设第个年残差符号为正，则值是，否则为然后，我们使用和值建立了个人工神经网得到预测结果显示于表和图该模型百分比误差分布也显示于图灰色,模型，自回归移动平均模型，改进灰色,模型平均绝对百分比误差，从年至年分别为，和，根据上述结果表明，我们似乎可以得到改进灰色模型在这些模型中预测误差是最低它表明，我们改进灰色,模型可以有效地降低模型预测误差结论原来灰色,模型是个适用于参数方差组微分方程模型，尤其是当观察数据量并不大时它是个功能强大预测模型在本文中，我们应用了改进灰色,模型，它应用了结合人工神经网络符号估计来修正残差技术我们研究结果表明，该方法可以得到比原来灰色,模型更精确结果它同时也解决了数据太少问题，因为数据量少可能会导致符号相同残差数量低于个，从而违反了灰色,模型设定必要条件改进灰色模型然后被应用到台湾电力需求预测最后，通过我们这项研究，改进灰色模型，在本文中，是个合适预测方法，它比原来灰色,模型得到更精确结果参考文献,,,,,,,,,,,其中用逆累加生成操作，我们有,其中,叫做灰色,拟合序列，而,称为灰色，模型预测值改进灰色预测模型邓还提出了种残差修正模型，即修正灰色，模型真值与预测值差值被定义为残差序列我们记残差序列为,其中残差,灰色模型比原始，灰色模型提高了预测准确性，我们可以加上残差模型预测值得到修正后预测值毕业设计论文外文资料翻译题目改进灰色预测模型在电力需求上应用院系名称理学院专业班级信计学生姓名学号指导教师教师职称副教授起止日期地点附件外文资料翻译译文外文原文指导教师评语签名年月日中文字出处附件外文资料翻译译文改进灰色预测模型在电力需求上应用工业议员姜旭，陈嘉勇工业工程与管理系，南殿青年技术学院，超群，颜水，路，台湾，台南海信号资源工程研究所，台南国立成功大学，大学路，台湾，年月接受年月日通过摘要灰色理论是个真正多学科和通用理论，即在所处理系统具有信息较少和或信息缺乏特点时本文提出了种改进灰色，模型，它采用了人工神经网络符号估计方法去进行残差修正在本文中，我们用台湾电力需求预测案例来研究我们所提出方法效率和准确性根据实验结果得知，我们提出新方法明显比原来灰色模型提高了预测准确性年由有限公司发表关键词灰色理论改进灰色,模型人工神经网络介绍灰色理论，最初是由邓提出，它是个真正多学科和通用理论，即在处理系统具有信息较少和或信息较缺乏特点时灰色系统理论所涵盖领域包括系统分析，数据处理，建模预测，决策和控制灰色系统理论主要适用于系统分析在信息较少，不完整或不确定时条件下灰色预测模型已被广泛应用于在许多方面相比与统计方法，时间序列灰色模型中原始系列基数叫做,灰色模型，已被证明需要是四个以上此外，在应用灰色理论时，关于数据统计分布假设是没有必要累加生成操作是灰色理论最重要个特点，其主要目是为了减少数据随机性事实上，来自原始系列累加生成操作公式函数也很好适用于指数函数在本文中，我们引入了个新方法，它结合了残差修正和残差人工神经网络符号估计，以此来提高原来灰色，模型准确性此外，我们使用台湾电力需求预测作为我们案例进行研究，用来检验模型可靠性与准确性原始灰色，预测模型灰色,模型是最常用灰色预测模型之该模型是个时间序列预测模型,它包含了组适用于参数方差微分方程，而不是阶微分方程这个方程和般差分方程不同，它是随着时间而变化差分方程虽然它没有必要采用原始系列所有数据去构建,灰色模型，但是序列基数必须超过个此外，数据点选取必须以相等时间间隔，而且是连续序列不能跳过任何数据灰色模型构建过程如下记录原始序列,,其中是观察到年份累加生成形成定义为,其中,,,，灰色模型可以通过建立个阶微分方程被构造因此，方程解可以通过最小二乘法方法得到，即,其中,,我们从方程得到了，是拟合和预测序列其中用逆累加生成操作，我们有,其中,叫做灰色,拟合序列，而,称为灰色，模型预测值改进灰色预测模型邓还提出了种残差修正模型，即修正灰色，模型真值与预测值差值被定义为残差序列我们记残差序列为,其中残差,灰色模型比原始，灰色模型提高了预测准确性，我们可以加上残差模型预测值得到修正后预测值然而,残差序列基数取决于具有相同符号数据点个数，当观察值不是很多时这通常是很小在这些情况下，具有相同符号残差序列基数不会超过个，而此时残差模型不能够被建立在这里我们提出个改进灰色模型来解决这个问题