基于改进鲸鱼算法的BP神经网络水资源需求预测方法
随着现代居民居住地愈发集中,供水管网规模不断扩大,水资源供给面临着新的困难和挑战.其中包括水资源调度时的动态变化、管网的突发故障、水资源的不可控流失以及多目标和计算量庞大等问题.BP神经网络因拥有较强的自学习能力和泛化能力而被广泛应用于水资源预测问题中,但其也存在收敛速度慢、容易陷入局部极值的问题.群智能算法作为一种寻优算法,具有操作简单、收敛速度快、全局寻优能力强等优点.为提高BP神经网络在水资源预测方面的收敛速度和预测精度,提出一种基于改进鲸鱼算法优化的BP神经网络水资源需求预测模型,通过改变鲸鱼优化算法收敛因子的计算方式以及增加惯性权重来加强算法的寻优广度和精度,再通过BP神经网络采用改进的WOA算法输出的最优权值、阈值作为初始参数值训练模型.实验验证,改进的WOA-BP神经网络方法相比传统WOA-BP方法在收敛速度和预测精度方面都有更优的表现.
鲸鱼优化算法、BP神经网络、水资源需求预测
47
TP181(自动化基础理论)
国家自然科学基金面上项目;重庆市高校创新团队建设项目;重庆市"三百"科技创新领军人才支持计划;重庆市高校优秀成果转化资助项目;重庆市人工智能技术创新重大主题专项;重庆市创新创业示范团队培育计划;重庆市技术创新与应用示范重大主题专项项目;重庆市基础科学与前沿技术研究项目
2020-12-03（万方平台首次上网日期，不代表论文的发表时间）
共5页
486-490
