改进粒子群优化BP神经网络的洪水智能预测模型研究

被引：7

作者：

何勇 ^{[1
]}

李妍琰 ^{[2
]}

机构：

[1] 信阳农林学院计算机科学系

[2] 河南财经政法大学计算机与信息工程学院

来源：

西南师范大学学报(自然科学版) | 2014年 / 39卷 / 05期

关键词：

粒子群; BP神经网络; 洪水预测; 径流量;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算];

学科分类号：

摘要：

该文提出改进的PSO-BP算法在洪水预测应用中建立预测模型.以BP神经网络为基础,提取观测站往年平均径流量作为洪水属性.采用改进的PSO-BP算法对神经网络的各个参数进行优化,最后建立模型应用于流域观测站的洪水预报模型,叙述了PSO粒子群算法和BP神经网络算法,详细阐述粒子群算法优化BP神经网络的权值和阈值,得出最优的BP神经网络预测适应度值.通过实验仿真对比,结果表明此方法预测结果比BP神经网络算法和混沌径向基神经网络模型算法精度更高,提高了预测的效率.

引用

页码：75 / 80

页数：6

共 9 条

[1] An improved PSO-based ANN with simulated annealing technique.[J].Yi Da;Ge Xiurun.Neurocomputing.2005,
[2] Nonstationary hydrological time series forecasting using nonlinear dynamic methods.[J].Paulin Coulibaly;Connely K. Baldwin.Journal of Hydrology.2004, 1
[3] 不确定支持向量机在洪水预测模型中的应用
李晓丽
周小健
沈钢纲
何晓芳
[J]. 兰州理工大学学报, 2012, 38 (03) : 107 - 110
[4] 基于BP神经网络和马尔科夫模型的服务器软件老化预测方法
林已杰
赖清
周敏
[J]. 西南师范大学学报(自然科学版), 2011, 36 (04) : 193 - 197
[5] 基于BP神经网络模型的商务型饭店微观选址研究——以重庆市为例
郑龙生
杨晓霞
[J]. 西南大学学报(自然科学版), 2011, 33 (04) : 162 - 165
[6] 基于混沌Volterra自适应模型的洪水预测研究
梁存峰
[J]. 水资源与水工程学报 , 2011, (01) : 146 - 150
[7] BP神经网络权重和阈值初始化方法研究
刘鲭洁
陈桂明
刘小方
占君
[J]. 西南师范大学学报(自然科学版), 2010, 35 (06) : 137 - 141
[8] BP神经网络在闽江十里庵流量预测中的应用
金保明
[J]. 水电能源科学, 2010, 28 (09) : 12 - 14
[9] 遗传算法优化的BP神经网络遥感图像分类研究
可华明
陈朝镇
张新合
王金亮
[J]. 西南大学学报(自然科学版), 2010, (07) : 128 - 132

← 1 →