基于改进CS优化BP神经网络的降水量预测模型
针对传统BP神经网络易陷入局部极值和连接权值难以确定的问题,提出了 一种基于融合 PSO(Particle Swarm Optimization)和 CS(Cuckoo Search)的混合算法优化设计BP神经网络(PCS-BP)的预测模型.该优化方法主要利用混合算法优秀的全局搜索能力和收敛速度设计优化BP神经网络的连接权值和网络结构,解决了 BP神经网络由于参数随机取值引起的网络震荡和过拟合的问题,提高了预测模型的准确性.结合具体实例,分别采用BP神经网络、CS-BP模型和PCS-BP模型对汉中地区的月降水量进行预测,实验结果表明,PCS-BP的平均绝对误差(MAE)为0.3966,均方根误差(RMSE)为2.3793,平均绝对百分比误差(MAPE)为0.46％,均优于其他模型,具有较好的预测能力.
BP神经网络、粒子群算法、布谷鸟搜索算法、降水量预测
52
TP391.41;P333;P457.6
2022-06-15（万方平台首次上网日期，不代表论文的发表时间）
共9页
103-111
