个体最优共享GEP算法及其气象降水数据预测建模
针对基因表达式编程算法存在进化后期收敛慢且容易陷入局部最优而降低其数据建模的性能问题,和降水量因受诸多自然因素相互影响而难以准确地建模与预测的问题,提出了一种改进的基因表达式编程算法。该算法具有染色体最优状态记忆功能,在进化过程中可以按条件学习自身的历史经验知识,以加强局部搜索能力和促进收敛,同时尽量控制个体的趋同化而保持种群的多样性。3组不同区域和不同类型的真实降水数据集的实验验证了其可以改善传统GEP算法后期收敛慢的问题,寻优能力更强,降水数据拟合和预测效果均显著优于传统GEP算法、BP神经网络和NAR神经网络等算法。
基因表达式编程、经验共享、时间序列、气象建模、降水预测、演化计算、演化建模
11
TP391(计算技术、计算机技术)
国家自然科学基金项目61562008、41575051;广西科学研究与技术开发计划项目1598019-1;广西高校科学技术研究重点项目 ZD2014083.
2016-06-22(万方平台首次上网日期,不代表论文的发表时间)
共9页
401-409