主成分分析与改进PSO-BP神经网络的下沉系数预测

摘要：

针对BP神经网络预测下沉系数时易陷入局部极小以及下沉系数影响因素间存在一定相关性的问题,该文提出了 一种基于主成分分析(PCA)和模拟退火—粒子群优化算法(SAPSO)优化BP神经网络的下沉系数预测模型.该模型首先采用PCA对下沉系数影响因素进行降维,消除其所包含的冗余信息;然后利用SAPSO优化BP神经网络的权值与阈值;最后使用训练样本训练模型,利用训练后的模型预测5组测试样本的下沉系数,并对比分析SAPSO-BP、PSO-BP和BP神经网络模型的预测结果.实验结果表明:基于PCA-SAPSO-BP神经网络的下沉系数预测模型的预测值与实际值最为吻合,其平均绝对误差、平均绝对百分比误差及均方根误差相比SAPSO-BP、PSO-BP和BP神经网络模型显著降低,可以有效提高下沉系数预测的准确性.

关键词：主成分分析、模拟退火、粒子群优化算法、BP神经网络、下沉系数

所属期刊栏目：48

分类号：P258(专业测绘)

资助基金：国家自然科学基金;国家自然科学基金;河南省科技攻关项目;安阳工学院博士科研基金项目

在线出版日期：2023-05-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：124-130,147