针对目前中、长期业务预报中的预报建模方法大多依靠线性的顺序处理技术现状。采用由多学科相互结合与渗透,并已成为目前国际上多学科竞争热点的、具有隐含并行性和有效利用全局信息的遗传算法,具有自适应学习和非线性映射能力的神经网络方法,进行神经网络学习矩阵构造方法,定性、定量集成和嵌套预报模型及泛化性能的预报建模理论方法研究。
{{i.achievement_title}}
数据更新时间:2023-05-31
基于分形L系统的水稻根系建模方法研究
多源数据驱动CNN-GRU模型的公交客流量分类预测
涡轮叶片厚壁带肋通道流动与传热性能的预测和优化
基于结构滤波器的伺服系统谐振抑制
简化的滤波器查找表与神经网络联合预失真方法
基于人工神经网络的冰情预报和模拟
基于遗传算法的神经网络学习算法研究
结构缺陷等力学反问题研究-神经网络和遗传算法的改进
利用神经网络和遗传算法的混合型自适应模糊系统