10.3969/j.issn.1000-1379.2011.05.018
优化BP神经网络在地下水计算中的应用
采用动态惯性因子对粒子群算法进行改进,并将其应用到BP神经网络的优化中,依据滦河某观测站数据建立地下水动态预测网络模型.预测结果表明:在训练样本、预报因子和建模参数都相同的情况下,BP神经网络的收敛速度明显较慢;粒子群算法代替梯度下降法优化BP神经网络,有效地提高了计算精度、加快了收敛速度、改善了神经网络的稳定性;混合动态惯性因子的粒子群算法,收敛速度快速提高,计算误差大幅减小,精度及稳定性均较高.
惯性权值、粒子群算法、BP神经网络、地下水
33
TP183(自动化基础理论)
"十一五"国家科技支撑计划项目2006BAD11B05;国家自然科学基金资助项目50879071
2011-09-21(万方平台首次上网日期,不代表论文的发表时间)
共3页
38-40