基于蚁群算法优化反向传播神经网络的港口吞吐量预测

摘要：

利用蚁群算法优化反向传播神经网络的初始权值、阈值,建立预测模型,对港口货物吞吐量进行预测.蚁群算法具有全局搜索能力,分布式计算和鲁棒性强等特点,有利于加快反向传播神经网络的收敛速度,避免易陷入局部极值的问题,提高建模精度.在港口吞吐量预测中的应用表明:蚁群算法优化BP神经网络模型、模糊神经网络预测模型、RBF预测模型及BP预测模型的平均绝对百分比误差分别为2.826％、3.734％、4.990％和6.566％;同时,蚁群算法优化BP神经网络模型收敛速度最快.

关键词：计量学、港口吞吐量、蚁群算法、BP神经网络、AC-BP预测模型

所属期刊栏目：41

分类号：TB938.1(计量学)

在线出版日期：2020-12-21（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：1398-1403