基于改进的粒子群算法优化反向传播神经网络的热舒适度预测模型

• 作者: 吴桐 张玲 王玲
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 热舒适度 预测 反向传播神经网络 粒子群优化算法 模型
• 年，卷（期）: 2014,（3）
• 所属期刊栏目: 人工智能
• 页码范围: 775-779
• 页数: 5页
• 分类号: TP183
• 字数: 4804字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2014.03.0775

摘要

针对热舒适度预测是一个复杂的非线性过程,不便于空调的实时控制应用的问题,提出一种基于改进的粒子群优化(PSO)算法优化反向传播(BP)神经网络的热舒适度预测模型.这一预测模型通过采用PSO算法优化BP神经网络的初始权值和阈值,改善了传统BP算法收敛速度慢及对网络初始值敏感的问题.同时,针对标准PSO算法易出现早熟收敛、局部寻优能力弱等缺点,提出了相应改进策略,进一步提高了PSO优化BP神经网络的能力.实验结果表明:与传统BP模型和标准PSO-BP模型相比,基于改进的PSO-BP算法的热舒适度预测模型具有更高的预测精度和更快的收敛速度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张玲	湖南大学电气与信息工程学院	138	4370	26.0	65.0
2	王玲	湖南大学电气与信息工程学院	148	1001	15.0	25.0