RDWKCPSO-PCA-BPNN的汽车燃油消耗预测

摘要：

针对不同乘用车综合工况下理论百公里燃油消耗数据 ,文章提出了一种基于主成分分析(principal component analysis ,PCA)和 BP 神经网络(back propagation neural network ,BPNN)的燃油消耗预测模型 ;通过 PCA 方法对选取影响理论燃油消耗的 24 个因素进行压缩 ,简化模型结构 ,再利用 BPNN 算法 ,构建燃油消耗预测模型 ;由于神经网络中的权值和阈值对预测模型效果影响较大 ,采用基于随机动态惯性权重和 Kent映射的混沌粒子群算法(RDWKCPSO)优化 PCA-BPNN 模型中的权值和阈值 . 对 3 种标准函数的寻优测试结果表明 ,RDWKCPSO 优化算法更容易跳出局部最优实现全局寻优 ,提高了模型适应能力及预测精度 .

关键词：BP神经网络、权值和阈值、混沌粒子群算法、主成分分析、燃油消耗预测、Kent映射

所属期刊栏目：39

分类号：TP301.6;U462.34(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目51178158;安徽省自然科学基金资助项目1508085M E94

在线出版日期：2016-04-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：7-13