10.16232/j.cnki.1001-4179.2018.05.017
PSO-BP神经网络在多输出水利定额编制中的应用
针对运用BP神经网络模型来编制水利定额存在收敛慢、精度低、稳定性差的缺陷,提出利用粒子群算法(PSO)来优化BP神经网络初始权值阈值的模型,优化模型结合了粒子群全局搜索能力和BP网络的局部探优能力.在运用MATLAB对算法模型进行编程中,首先确定模型的关键参数和开展数据的预处理,其次利用标准粒子群算法优化BP神经网络的初始连接权值阈值,最后将优化的连接值带入BP模型训练并预测,实验中连续运行了50次模型.结果表明:BP模型的双输出预测精度分别为11.13%和8.41%,有10次未达到目标精度;PSO-BP模型的双输出预测精度分别为5.65%和5.44%,全部达到目标精度.因而得出结论, PSO-BP模型比单纯BP神经网络的预测精度和稳定性更好,更适合用来指导水利定额的编制工作.
粒子群算法、BP神经网络、定额编制、优化模型、水利工程
49
TP393.08;TP183;F426.9
2021-07-16(万方平台首次上网日期,不代表论文的发表时间)
共6页
84-88,104