资 源 简 介
在现实生活中，实际问题很难用线性模型进行描述。神经网络的出现，大大降低了模型建立的难度和工作量。我们只需将神经网络看成是一个黑箱子，根据输入与输出数据，神经网络依据相关的学习规则，便可以建立描述问题的数学模型。但是，当数学模型的输入自变量（即影响因素）很多、输入自变量之间不是相互独立时，利用神经网络容易出现过拟合现象，从而导致所建立的模型精度低、建模时间长等问题。因此，在建立模型之前，有必要对输入自变量进行优化选择，将冗余的一些自变量去掉，选择最能反映输入-输出关系的自变量参与建模。常用的方法是主成分分析法、偏最小二乘法等，本案例尝试利用遗传算法的优化计算功能对输入自变量进行优化筛选，从而降低建模时间，提高建模精度。
