为了提高智能系统的准确性与快速性,针对多传感器网络,提出了一种以融合技术为数据基础与改进遗传算法鄄广义旋转回归神经网络IGA鄄RGRNN(improved genetic algorithm and rotated generalized regression neural ne鄄twork)算法相结合的预测模型。利用RGRNN强大的非线性随机变量的处理能力,把预测理论引入改进遗传算法循环中,将该模型应用于低阶煤制甲烷产量预测过程,并对预测模型效果进行实验验证。实验结果表明,基于数据融合IGA鄄RGRNN低阶煤制甲烷产量预测模型的相对误差最大值为2.99%,相对误差最小值为0.25%,相对误差平均值为1.76%,相较其他预测模型具有泛化能力更强和预测精度更高的优势,为低阶煤制甲烷产量预测提供一种新的途径。
查看更多