10.7633/j.issn.1003-6202.2021.05.003
基于改进RBF神经网络的粮仓温度预测
粮食储备对于一个国家来说十分重要,是关乎民生的重要战略资源.储粮对于温度要求十分严格,针对传统粮仓温度预测存在非线性、精度差的问题,选用RBF神经网络建立温度预测模型,利用粒子群算法(particle swarm optimization,PSO)及列文伯格-马夸尔特算法(levenberg-marquard,LM)优化网络的参数.仿真结果可以看出,用PSO算法和LM算法优化后的神经网络模型预测精度更加准确,与PSO优化后的RBF神经网络进行比较,PSO-LM-RBF算法预测误差小,模型更加稳定.
RBF神经网络;PSO算法;LM算法;粮仓温度预测
TP273(自动化技术及设备)
2021-11-10(万方平台首次上网日期,不代表论文的发表时间)
共5页
12-15,19