基于改进PSO-NN的径流水位预报研究?
为了提高河流日径流水位预报的精确度,针对粒子群算法和神经网络存在的缺陷,提出一种新的粒子群算法进化三层前馈神经网络的连接权系和阈值,并以此建立逐日径流水位预报模型。该算法采用跟随变异粒子扰动变化的惯性权重和学习因子来提高粒子群算法的局部、全局搜索性能和收敛速度。实验仿真结果表明,在收敛速度和预测的精确度上,该模型明显优于其他对比模型,为获得更高预测精度的径流水位预报提供了一种有效的建模方法。
神经网络、粒子群、日径流水位预报、惯性权重、学习因子
38
TP183(自动化基础理论)
广西省自然科学基金项目2014GXNSFAA118027;广西高校科学技术研究项目LX2014498,YB2014467;2014年来宾市科学研究与技术开发计划项目
2017-03-09(万方平台首次上网日期,不代表论文的发表时间)
共4页
67-70