黑龙江大学自然科学学报

2020, v.37(04) 389-394

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

混合算法优化的BP神经网络的大气污染度预测
Prediction of atmospheric pollution based on BP neural network optimized by hybrid algorithms

罗嗣卿;刘昊天;

摘要(Abstract):

为了解决BP神经网络算法容易陷入极小值点的问题,提出了一种以粒子群算法和差分进化算法为基础改进的蛙跳算法,对BP神经网络算法进行优化。并将改进的算法应用到大气污染预测领域,实验数据以SO_2、PM 2.5、PM 10等10种特征为输入,对应的6种污染程度为输出,改进后的算法准确率由84.01%提升为91.12%。利用改进后的蛙跳算法优化BP神经网络可以得到一组最优的权值和阈值,明显地提高了预测算法的准确率。

关键词(KeyWords): 大气污染度;BP神经网络;蛙跳算法;粒子群算法;差分进化算法

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金青年基金资助项目(61806049; 61601110)

作者(Author): 罗嗣卿;刘昊天;

Email:

DOI: 10.13482/j.issn1001-7011.2019.11.232

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享