基于改进粒子群优化算法的BP预测模型

被引：20

作者：

王行甫

陈宏亮

机构：

[1] 中国科技大学计算机科学与技术学院

来源：

计算机系统应用 | 2014年 / 23卷 / 04期

关键词：

粒子群算法; BP算法; 气温预测; 惯性权值; 梯度下降算法;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

140502 [人工智能];

摘要：

该论文提出了基于改进粒子群优化的BP算法.在该算法中,通过对粒子群优化算法中的惯性权重的计算方法的改进,同时利用改进的PSO算法替代了BP算法中的梯度下降算法,使得改进后的算法具有不易与陷入局部极小等优点.并将该算法利用在预测气温上,实验证明:改进后的算法在预测模型上能够取得较好的预测效果,提高预测精度.

引用

页码：135 / 137+143 +143

页数：4

共 4 条

[1]

A hybrid particle swarm optimization–back-propagation algorithm for feedforward neural network training.[J].Jing-Ru Zhang;Jun Zhang;Tat-Ming Lok;Michael R. Lyu.Applied Mathematics and Computation.2006, 2

[2]

动态粒子群优化算法 [J].