文献类型：期刊文献

中文题名：基于GRA和PCA的BP神经网络应用研究

英文题名：Application of BP neural network based on GRA and PCA

作者：王海燕[1];刘鲁[1];刘玲[2]

第一作者：王海燕

机构：[1]北京航空航天大学经济管理学院;[2]河南财经学院工商管理学院

第一机构：北京航空航天大学经济管理学院,北京100083

年份：2007

卷号：19

期号：10

起止页码：50-54

中文期刊名：管理评论

外文期刊名：Management Review

收录：CSTPCD;;国家哲学社会科学学术期刊数据库

基金：国家自然科学基金项目资助(70671007)

语种：中文

中文关键词：灰色关联分析;主成分分析;人工神经网络;预测模型;粮食产量

摘要：运用BP神经网络方法对复杂系统建模的过程中,经常遇到指标多、历史数据不足而降低网络泛化能力的情况。为了提高神经网络的泛化能力,本文从简化网络规模的角度出发,运用灰色关联分析法和主成分分析法对原始数据集做降维预处理,达到减少神经网络输入节点个数的目的。将由此建立的预测模型应用于我国粮食产量的预测,与一般的BP神经网络模型和基于主成分的BP神经网络模型相比,该预测模型明显简化了网络结构,提高了预测效率,同时较大地提高了预测精度。
When modeling the complicated system by BP neural network,excessive index and deficient data often slow down the network generalization.In order to improve the generalization of neural network,this paper takes network scale into account,using Grey Relational Analysis and Principal Component Analysis as preprocessor to reduce the sample set dimension and to eliminate the input nodes amount of neural network.A case of predicting the China's grain production by this model was presented.Compared with the common BP neural network and the network based on PCA model,this forecasting model simplifies the network model,improves the forecast efficiency,and increases the forecasting accuracy.