改进PSO训练的BPNN方法的舰船主尺度建模

• 作者: 张海鹏 郭春雨 韩端锋
• 来源期刊: 哈尔滨工程大学学报
• 学科: 交通运输
• 关键词: 舰船主尺度 回归分析 改进粒子群优化算法 BP神经网络
• 年，卷（期）: 2012,（7）
• 页码范围: 806-810
• 分类号: U662.3
• 字数: 3379字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-7043.201108006

摘要

利用改进粒子群优化算法训练的BP神经网络(BPNN)对以航母为代表的大型舰船主尺度进行了回归分析.对粒子群优化算法(PSO)的学习因子进行了关于迭代进程的自适应调整,并将改进后的PSO算法对BPNN训练过程进行优化.利用新型BPNN对典型航母主尺度(总长、总宽、设计水线长、设计水线宽、吃水与满载排水量)进行数学建模,与基于传统多项式回归的结果进行对比分析.结果表明经改进PSO训练的BPNN具有更高的输出精度且具有良好的分段光滑特性,这对于大型舰船方案论证与总体设计可起到重要的指导性作用.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	韩端锋	哈尔滨工程大学船舶工程学院	83	373	9.0	13.0
2	郭春雨	哈尔滨工程大学船舶工程学院	108	542	12.0	18.0
3	张海鹏	哈尔滨工程大学船舶工程学院	19	94	5.0	9.0