基于改进麻雀搜索算法优化BP神经网络的气动光学成像偏移预测

摘要：

气动光学效应导致的目标图像偏移对于飞行器的导航、定位以及寻的影响很大,对气动光学成像偏移的实时补偿具有重要的实用价值.提出了一种基于改进型麻雀搜索算法优化BP神经网络(improved sparrow search agorithm optimized BP neural network,ISSA-BP)的模型,对气动光学成像偏移进行预测.为提高预测算法的搜索和跳出局部最优的能力,在标准麻雀搜索算法(sparrow search algorithm,SSA)中借助鸟群算法(bird swarm algorithm,BSA)飞行行为的思想,使加入者以一定的概率向发现者靠近,缩短了算法的运行时间,保证了全局收敛和种群的多样性.最后将算法模型与BP神经网络模型和麻雀搜索算法优化BP神经网络(sparrow search algorithm BP,SSA-BP)模型进行对比,使用三种评价指标对三种算法模型进行评价,结果表明的ISSA-BP模型能够及时准确的对气动光学成像偏移进行预测,ISSA-BP模型的均方误差(MSE)、平均绝对误差(MAE)和决定系数(R2)分别为2.511E-11、1.969E-06和0.999 89.

关键词：BP神经网络;气动光学成像偏移预测;改进麻雀搜索算法;鸟群算法

所属期刊栏目：32

分类号：TN913.7

资助基金：国家自然科学基金61975151,61308120

在线出版日期：2021-10-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：653-658