农机总动力预测的灰色神经网络新方法  

A new machinery total power forecasting method based on grey neural network

作　　者：严磊[1] 毛凤梅[1] 雷邦军[2] 罗会亮[3] 

机构地区：[1]平顶山学院数学与信息科学学院,河南平顶山467000 [2]东南大学自动化学院,江苏南京210096 [3]黔南民族师范学院数学系,贵州都匀558000

出　　处：《中国农机化学报》2013年第3期45-48,共4页Journal of Chinese Agricultural Mechanization

基　　金：河南省社会科学联合会项目(SKL-2012-3110);贵州省自然科学基金(黔科教20090045);平顶山学院高层次人才引进项目(2008002);平顶山学院青年科研基金重点项目(2012-自科类17);平顶山学院"统计学"校级重点学科支持项目

摘　　要：为提高农机总动力变化趋势的预测精度,将pGM(1,1)模型与RBF神经网络相结合,建立了基于pGM(1,1)-RBF神经网络的农机总动力预测模型,并以中国农机总动力数据预测为例,验证了该模型精度高、可行有效,适用于农机总动力预测。In order to improve the total power of agricultural machinery changing trend prediction accuracy,a model based on pGM（1,1）-RBF neural network is proposed,combined RBF neural network and pGM（1,1） model.Forecast with the machinery total power forecast data of China,has proved that the new method is feasible and effective with high precision,it can be used to forecast agricultural machinery total power.

关 键 词：RBF神经网络 pGM(1 1)模型 农机总动力预测 

分 类 号：S23-1[农业科学—农业机械化工程]