基于BP和RBF神經網絡的數據預測方法研究.pdf

1、數據預測是指在分析現有數據的基礎上估計或推測未來的數據的過程。隨著Internet和數據庫技術的迅速發(fā)展，數據預測方法及其應用研究已經越來越為人們所重視。目前，常用的預測方法可粗略分為統計學方法、決策樹方法和神經網絡方法三類。由于神經網絡能夠對大量復雜的非線性數據進行分析，可以完成極為復雜的趨勢分析，特別適用于構造數據預測模型，使得基于神經網絡的預測方法具有比其他預測方法更多的優(yōu)點。 本文以提高基于神經網絡的預測方法的效率為目的

2、，主要討論了基于BP和RBF神經網絡的預測方法及其在農作物蟲害預測中的應用，提出了一種基于RBF-BP組合神經網絡的新預測方法。本文首先簡單介紹了神經網絡理論和預測理論，然后，在對BP和RBF神經網絡原理、結構和算法及現有改進方案進行分析研究的基礎上，給出了基于單一BP和RBF神經網絡的預測方法及其Matlab實現步驟，運用Matlab的神經網絡工具箱建立了基于BP和RBF神經網絡預測模型，并通過農作物蟲害預測實驗證明了基于BP和RBF

3、神經網絡的預測方法的可行性和應用價值。在對RBF和BP神經網絡的結構特點進行比較分析的基礎上，給出了基于RBF-BP組合神經網絡的新預測方法的基本思想、RBF-BP組合神經網絡結構、算法描述及其Matlab實現步驟。這種新方法將RBF神經網絡和BP神經網絡有效地結合在一起，既具有BP網絡較好的泛化性能，又具備RBF網絡較快的逼近速度。最后，根據農作物蟲害預測實驗對基于BP神經網絡、RBF神經網絡和RBF-BP組合神經網絡的三種預測模型的