改进灰狼群优化算法的环境污染物预测研究

摘要：

针对传统RBF网络在环境污染物预测中出现的泛化能力弱和准确度低的问题,提出一种组合最近邻聚类算法(NNCA)和改进灰狼群(IGWO)的优化预测算法.首先,针对RBF网络中心参数学习不足,利用最近邻聚类算法(NNCA)调整RBF神经网络的聚类中心参数;其次,针对灰狼群算法寻优能力不足,利用sin函数对参数ɑ进行非线性调整,利用适应度加权系数进行位置调整,得到改进的灰狼群优化算法(IGWO),利用IGWO优化算法进行调整RBF神经网络的权值参数.最后利用NNCA-IGWO-RBF算法对草原环境中的PM10浓度进行预测,验证预测算法的有效性.结果表明,相对于传统的RBF和GWO-RBF算法,该算法预测误差最小,有更高的精确度和更好的泛化能力,能够为污染物治理提供指导作用.

关键词：灰狼群优化算法;RBF神经网络;最近邻聚类算法;权值优化;污染物预测

所属期刊栏目：42

分类号：TP183(自动化基础理论)

资助基金：国家自然科学基金项目;内蒙古自治区自然科学基金项目;内蒙古自治区高等学校科学研究基金项目

在线出版日期：2021-10-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：2031-2037