基于量子粒子群神经网络的太阳黑子数预测磁

摘要：

为了提高太阳黑子数的预测精度，论文提出了一种基于量子粒子群神经网络预测太阳黑子数的模型（QPSO-BP 网络）。首先基于前18个太阳周（1755～1953）的年均值，利用量子粒子群算法优化 BP 神经网络的权值和阀值，完成网络训练训；然后对第19太阳周（1954～2013）年均值进行预测，检验模型的预测能力。与普通 BP 神经网络预测的对比结果表明，该模型在逼近能力和预测精度两方面均有明显提高，从而表明基于量子粒子群优化的训练方法对于提高神经网络预测能力具有一定潜力。

关键词：太阳黑子年均值、量子粒子群优化、BP 神经网络、时间序列预测

分类号：TP391(计算技术、计算机技术)

在线出版日期：2014-10-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1853-1856,1893