广义回归神经网络 (GRNN)具有明确的概率意义 ,其参数大多能自动确定 ,仅光滑因子参数需优化估值 .采用优进遗传算法 (EGA) ,将确定性与随机性寻优操作相融合 ,实现了高效全局搜优 ,它所基于的优进策略包括设计Powell寻优算子、改进交叉算子、自适应地调整交叉率和变异率等 .以推广能力作为优化目标 ,所建的GRNN有很强的非线性拟合能力和优良的预报性能 ,将其成功地为延迟焦化过程建模 ,与径向基网络(RBFN)等相比 ,显示了明显的优势 .
科研之友
微信
新浪微博
Facebook
分享链接
