基于改进粒子群算法的BP神经网络及其应用.pdfVIP

CompMterEngineeringandApplications计算机工程与应用 基于改进粒子群算法的BP神经网络及其应用 徐以山，曾 碧，尹秀文，卢博生 XU Yi—shan，ZENG Bi，YIN Xiu—weD_，LU Bo-sheng 广东工业大学 计算机学院，广州 510075 CollegeofComputer，GuangdongUniversityofTechnology，Guangzhou 510075，China E-mail：xuyishan01@qq．COIn XU Yi—shan．ZENG Bi．YIN Xiu—wen，eta1．BP NeuralNetwork and its applicationsbased on improved PSO．Computer EngineeringandApplications．2009，45(35)：233—235． Abstract：BPNeuralNetwork isan effectivemethodforprediction SOfar，butthereare sonic self--determinationsin itspracticalap— Dlications．soaneW BPNeuralNetworkbasedonimprovedParticleSwamiOptimization(PSO)isproposed．Thecapacityofsolving nonlinearproblemsofthisalgorithm isenhancedeffeetive1)throughadjustinginertiafactor dynamically．Atthesametime，thecon— vergencespeedofthisalgorithm andthecapacityofsearchingglobalextremuulisincreased．TheimprovedBPNetworkmodelisbuilt uD，andtherainfallinacertaincitv isanalyzedbythismodeland graduallyregression methodEvidenceshowsthismodelhashigh accuracyandstability． Keywords：improvedParticleSwarm Optimization(PSO)；BPNeuralNetwork；rainfallforecast 摘 要：目前BP神经网络是一种有效的预测方法，但在实际应用当q-存在着一些 自身的缺点，为此提 出了一种基于改进粒子群算 法的BP神经网络 通过动态调整粒子群算法中的惯性因子 ，有效地增强了算法对非线性问题的处理能力，同时提高了算法的收 敛速度和有哪些信誉好的足球投注网站全局最优值的能力 建立改选后的BP网络模型，通过该模型和逐步回归方法对桌市降水量进行实例分析 分析结果 表明，改进后的BP网络模型具有较高的准备预报能力和稳定性。 关键词：改进粒子群算法；BP神经网络；降水量预报 DOI：10．3778／j．issn．1002—8331．2009．35．070 文章编号：1002—8331(2009)35—0233—03 文献标识码：A 中图分类号：TP183 1 引言 不依赖于梯度下降法，可以从根本上克服BP算法的缺点 广东省位于我国的东南部，近几年全省汛期地质灾害(崩 塌 、滑坡、泥石流)的发生主要与降雨过程和降雨强度密切相 2 算法简介 关。降雨诱发的灾害类型崩塌、滑坡、泥石流是地质灾害的主要 2．1 BP神经网络 灾种，也是威胁最重、损失最大的灾种…。因此，提高汛期降雨量 BP网络是一种采用误差反向传播学习法的多层前馈神经 的准确预报能力，对最大限度地避免和减轻因地质灾害造成的 网络。该网络一般具有输入层、隐含层和输出层，相邻层各神经 人员伤亡和财产损失意义十分重大： 元之间实现全连接，而每层各神经元之问无连接 ，通常所用的 人工神经 络是目前一种有效的预测方法 ，它的优点在于 BP神经网络都是三层 络。BP神经网络学习的过程是通过调 可以利用历史数据以及影响输出的各方面因素 ，通过iJI练【来逼