针对船舶交通流预测中存在复杂性、非线性、受限因素多等特点，运用果蝇优化算法，建立了优化的广义回归神经网络船舶交通流预测模型。通过利用果蝇优化算法的全局寻优特性对广义回归神经网络进行参数优化，从而实现对船舶交通流的预测。以东海大桥的船舶流量观测数据为实例对象进行分析，通过MATLAB进行仿真预测，实验结果表明：FOAGRNN模型相比于传统的GRNN模型和BPNN模型具有更高的预测精度和泛化能力，有效地解决了预测过程中数据样本少、非线性拟合能力差等问题，对水路的规划、通航管理等方面具有一定的应用价值。

由于学生英语写作成绩预测受诸多因素影响，具有高维、非线性特点，本文基于广义回归神经网络（GRNN）算法原理，构建了GRNN学生英语写作成绩预测模型，并与弹性BP算法改进的BP神经网络模型的预测结果进行对比分析。仿真结果表明：改进的BP神经网络模型的预测最大相对误差为3.23%，GRNN模型的预测最大相对误差仅为-0.72%，表明所建立的GRNN模型的预测精度高、泛化能力强、收敛速度快、调整参数少，验证了将GRNN应用于英语写作成绩预测方案的可行性。

该模型可用于预测大多数传染病的发病率，拟合和预测性能较好。 开发 GRNN 模型的详细信息见论文：“自回归综合移动平均 (ARIMA) 和广义回归神经网络 (GRNN) 的组合模型在预测中国横县肝炎发病率中的应用” PMCID：PMC4892637 DOI： 10.1371/journal.pone.0156768。

GRNN_python 广义回归神经网络进行回归

matlab神经网络源码集锦-GRNN的数据预测-基于广义回归神经网络货运量预测

基于sEMG和GRNN的手部输出力估计.pdf,针对智能肌电假手力控制的需要，提出一种基于表面肌电信号(sEMG)和广义回归神经网络(GRNN)的手部输出力估计方法。首先在介绍实验平台的基础上详细描述了肌电信号的采集和特征提取方法以及广义回归神经网络的构建；然后，通过在手臂8个不同部位粘贴肌电传感器来检测手部动作过程中的肌电信号；同时为了全面测量人手在三维空间中的输出力，采用三维力传感器对手部的输出力进行测量；在同步获得手臂上的多通道肌电信号(X)和手部三维力推拉信号(F)后，对采集得到肌电信号进行了特征提取得到特征矩阵XF；将XF和F用于构建GRNN网络，并用均方差和残差绝对值均值对手部输出力的估计结果进行评估。为验证该方法的有效性，进行了实验验证，结果表明，该方法能够很好地利用sEMG对手部的输出力进行估计。

GRNN的数据预测-基于广义回归神经网络货运量预测 matlab程序供大家学习使用

广义回归网络，matlab上编写，可直接运行，附带数据集，不懂的可留言交流

MATLAB中利用遗传算法对GRNN网络的超参数进行寻优，完成分类任务

MATLAB中利用遗传算法对GRNN网络的超参数进行寻优，完成回归任务