基于混合改进GSO与GRNN并行集成学习模型

摘要：

针对萤火虫群优化算法(GSO)不稳定、收敛速度较慢与收敛精度较低等问题和广义回归神经网络(GRNN)的网络结构导致预测误差的特性,提出基于混合改进萤火虫群算法与广义回归神经网络并行集成学习模型,应用于雾霾预测.首先构建融合多种搜索策略的混合改进萤火虫群优化算法(HIGSO),并使用标准测试函数验证算法性能.然后结合HIGSO与引入扰动因子的GRNN模型,建立并行集成学习模型,并通过UCI标准数据集验证模型的有效性与可行性.最后将模型应用于北京、上海和广州地区的雾霾预测,进一步验证模型在雾霾预测中的性能.

关键词：混合改进萤火虫优化算法、广义回归神经网络(GRNN)、扰动因子、雾霾预测

所属期刊栏目：32

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金项目91546108,71521001,71490725,71301041;安徽省自然科学基金项目1708085MG169

在线出版日期：2019-04-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：247-258