共查询到17条相似文献，搜索用时 312 毫秒
1.
鉴于BP神经网络、RBF神经网络在城市供水量预测精度上的不足,利用粒子群算法优化两者相关参数,实现更高预测精度,并通过建立BP神经网络、RBF神经网络、PSO-BP神经网络、PSO-RBF神经网络分别对城市供水量数据进行仿真预测。最终测试样本统计结果显示：RBF神经网络比BP神经网络平均相对误差（MRE）低约1%,在拟合度（R2）上高约0.014;PSO-BP神经网络比BP神经网络在MRE上降低约1.25%,在R2上提高约0.05;PSO-RBF神经网络比RBF神经网络在MRE上降低约0.3%,在R2上提高约0.072。由此说明RBF神经网络比BP神经网络在城市供水量预测方面更有优势,并且利用粒子群算法优化神经网络模型参数可有效提升神经网络预测精度。 相似文献
2.
郗君甫 《中阿科技论坛(中英文)》2024,(4):113-117
为了增强灰度图对比度,提高图像识别精度,文章提出了一种基于改进鲸鱼优化算法的灰度图像对比度增强算法。文章通过设计非线性调整惯性权重和非线性调整收敛因子,使用改进鲸鱼优化算法不断优化局部/全局图像增强和目标评价函数,并利用6个标准函数和带钢表面缺陷灰度图进行仿真实验。实验结果表明：改进鲸鱼优化算法有助于显著提高收敛速度和寻优精度,经改进鲸鱼优化算法增强处理后的灰度图像具有较好的图像质量和视觉效果。 相似文献
3.
刘俊 《绵阳师范学院学报》2015,(2):79-83
直接使用BP神经网络拟合非线性函数,具有预测精度差、收敛速度慢等缺点.该文提出利用极强全局搜索能力的思维进化算法来优化BP神经网络.首先根据BP神经网络拓扑结构构建思维进化算法模型,然后用思维进化算法得到的最优解作为BP神经网络的初始权值和阈值,最后利用MATLAB软件对多个非线性函数进行拟合仿真实验,比较思维进化算法优化BP神经网络和单纯使用BP神经网络的预测结果 .数据表明,优化后的BP神经网络具有更高的拟合精度和更短的网络训练时间. 相似文献
4.
针对大气能见度变化具有突变性以及复杂非线性问题，利用神经网络对复杂非线性过程拟合能力强且对映射关系变化反应速度快的特点，采用门控循环单元(GRU)神经网络为算法框架，将某省17个国家气象观测站近5年的地面能见度及相关要素数据预处理后形成本地化能见度数据集，通过该数据集对网络进行1～4 h预报时效的训练、测试与验证。实验结果显示，基于GRU神经网络的大气能见度短临预报算法其均衡平均数(F1-score)、准确率(accuracy)和风险评分(TS-score)指标明显优于长短期记忆神经网络(LSTM)、临近K指数(KNN)与支撑向量机(SVM)大气能见度短临预报算法。 相似文献
5.
6.
为改进小波神经网络模型对短时交通流的预测效果,提出一种基于改进混合蛙跳算法的短时交通流预测模型用以优化小波神经网络。该算法使用交叉分组法对子群进行划分,再利用具有自适应因子的局部搜索策略平衡混合蛙跳算法局部与全局搜索能力,最后把得到的最优解用于优化小波神经网络模型初始值,并对短时交通流进行预测。实验结果表明,该方法对短时交通流预测精确度达到97.43%,比传统方法提高1.016 1%,均方根误差比传统方法降低了5.587 9%,具有较高的应用价值。 相似文献
7.
为了提升电信行业收入预测问题准确率,建立基于循环神经网络和长短时记忆网络相结合的收入预测模型。首先对数据作预处理,然后建立卷积层进行核心预测算法优化,再通过训练寻找最优参数,并将其应用于电信运营商收入预测。实验结果表明,该模型可以预测出未来一个月或者几个月的收入增减变化趋势,预测准确率比传统方法提高20%,算法收敛性也提高约15%。该模型预测结果对于电信行业制定营销方案具有较好指导作用。 相似文献
8.
针对循环神经网络算法在电力负荷预测中存在易陷入局部最小值和全局搜索能力较弱的缺陷,提出了基于粒子群算法和循环神经网络的预测方法|针对标准粒子群算法易因粒子早熟收敛现象而陷于局部最优的缺陷,提出了合理粒距的概念,生成一种改良后的学习方法。采用改良后的粒子群算法对结点权值参数进行寻优,以测量值与预测值的误差作为评价依据,从而实现模型参数的优化选择。最后采用改良后的粒子群算法和循环神经网络预测模型对短期电力负荷进行预测,并与标准粒子群算法循环神经网络预测模型和循环神经网络预测模型对比。实际算例比较表明,这种预测方法具有良好的收敛特性和较高的预测准确度。 相似文献
9.
传统的BP神经网络收敛速度慢,以及该算法的不完备性,易陷于局部极小,全局最优无法保证能收敛到等缺点.针对BP神经网络的缺陷,该文提出了遗传算法,利用遗传算法优化BP神经网络权值和阈值,使得训练了BP神经网络预测模型得到了最优解.采用遗传算法优化BP神经网络的算法,并以此结合算法来研究非线性函数拟合的问题.从实验结果表明,基于遗传算法优化的BP神经网络的非线性函数拟合具有较强的收敛性和鲁棒性,并且有了更高的预测精度. 相似文献
10.
针对烧结过程的时变、强非线性等特点,基于神经网络和粒子群优化算法,提出一种预测透气性状态的集成方法.采用神经网络分别建立透气性预测模型,采用粒子群优化算法对神经网络进行训练,提高预测模型的实时性;进而借助模糊分类器将预测子模型实现有机融合.最后实际运行结果表明,提出的集成模型具有较高的预测精度和较强的自学习能力,并且在工况波动严重的情况下,仍然具有好的预测效果. 相似文献
11.
研究基于粒子群优化算法的长短期记忆神经网络模型构建方法及其在医院门诊管理中的应用,选取三甲医院中医慢病相关科室门诊量历史记录数据,构建基于长短期记忆神经网络的门诊量预测模型,借助粒子群优化算法对长短期记忆网络进行参数优化,并使用优化后的模型对门诊量进行预测。月度门诊量预测结果表明,经过粒子群优化的长短期记忆神经网络模型在测试集上的预测误差RMSE,相比未优化的模型减小了48.5%。粒子群优化算法能高效地优化预测模型,可使模型较好地预测出门诊量变化趋势,从而为医务人员门诊管理工作提供决策支持。 相似文献
12.
随着纯电动汽车市场的不断扩大,对销售量的精确预测成为人们当前关注的热点。提取影响销售量的7个关键因素以及2017~2019年9月的纯电动汽车销售量,首先利用BP神经网络模型对33个月的数据进行测试,并用训练好的模型预测2019年1~9月销售量,再利用马尔科夫（Markov）模型将BP神经网络模型预测的相对误差划分为6种状态,对预测结果进行修正。通过对BP神经网络模型与Markov-BP神经网络模型预测结果进行对比检验,发现Markov-BP神经网络的预测准确度更高,表明采用Markov-BP神经网络模型对纯电动汽车月度销售量进行预测具有一定现实意义。 相似文献
13.
张荣升刘丽桑邓慧琼李培强郑荣进 《福建工程学院学报》2021,(4):378-384
为提高配电网络中故障区段定位的准确性和高效性,基于馈线终端单元的配电网区段定位的研究,提出了一种在含分布式电源的配电网中用鲸鱼优化算法实现故障区段定位的方法。通过MATLAB对支路矩阵、电源接入情况进行编程,创建含多电源的IEEE33节点的配电网模型,完成配电网故障信息编码方式、开关函数和适应度函数的构造。对发生单点故障、多点故障,以及存在信息畸变的情况下发生故障的定位结果分析,结果表明,提出的鲸鱼算法能实现准确定位,其收敛性、准确性和高效性均优于传统粒子群算法、遗传算法以及最近的蝠鲼觅食算法。 相似文献
14.
传统PID控制难以在非线性、迟延、时变和具有扰动特质的超临界主汽温度控制系统中达到满意的控制效果.因此,提出了一种采用多步预测、滚动优化和反馈校正的神经网络预测控制系统.以某超临界电厂主汽温度为研究对象,MATLAB仿真结果表明：不同的工况建立的主汽温度神经网络动态模型,能够很好地预测对象的动态特性,取得了优于传统PID的控制效果. 相似文献
15.
本文采用集中性和多样性策略对禁忌搜索进行改进,提出了一种基于模糊神经网络的混合禁忌搜索优化算法(FNN-based Hybrid Tabu Search Algorithm,FNN-HTS),用于同时优化模糊神经网络的结构和参数以提取出一组尽量精练的模糊规则。在FNN-HTS中,禁忌搜索用于同时优化网络结构和隶属函数参数,结合最小二乘法快速求解规则后件的线性参数。非线性函数逼近的实验结果表明所提出的方法能获得一组更精练的规则和更小的误差。 相似文献
16.
建立有效的空气质量指数预测模型,可以为个人出行及相关部门治理大气污染提供指导。选取北京市的历史空气数据以及气象数据作为研究对象,建立基于BP（Back Propagation）神经网络和SVR（Support Vector Regression）支持向量机回归的BP-SVR组合预测模型。首先利用灰狼优化算法分别对BP模型和SVR模型参数进行寻优;然后运用该组合模型对空气质量指数进行预测。实验结果表明,BP-SVR模型的平均绝对百分误差、均方根误差、平均绝对误差均小于单一预测模型,分别为0.217 5、37.032 0、25.157 5。BP-SVR组合模型具有更高的预测精度,泛化能力更强,可以对空气质量指数进行有效预测。 相似文献
17.
为提高预测精度,采用Elman神经网络对商品销售额进行预测.在分析样本数据特性基础上,采用Elman神经网络对商品销售额的预测进行建模,通过实例验证模型的有效性并对比分析BP神经网络的预测效果.研究结果表明,基于Elman神经网络的商品销售额预测能够较好地反映商品销售额的变化趋势且提高了预测精度,验证了该方法在商品销售额预测中的可行性. 相似文献