DELTA势阱改进QPSO优化BP算法及其应用

• 作者: 于凤玲 周扬 周汉陵 陈建宏
• 来源期刊: 中国科学院大学学报
• 学科: 工学
• 关键词: BP神经网络 PSO模型 QPSO模型 δ势阱 GDP
• 年，卷（期）: 2015,（3）
• 所属期刊栏目: 简报
• 页码范围: 416-421
• 分类号: TP183|F201
• 语种: 中文
• DOI: 10.7523/j.issn.2095-6134.2015.03.019

摘要

为了改进BP算法预测性能,提出QPSO-BP模型.该模型采用DELTA势阱改进的量子粒子群(QPSO)算法优化BP网络的权值与阈值,然后利用各年的GDP数据进行训练和预测.结果表明:经过DELTA势阱改进的QPSO优化BP算法模型比PSO-BP模型和BP神经网络更稳定,预测精度更高且泛化能力更强.与文献中所用模型的运算结果相比较,这种改进模型运算结果的相对误差和平均误差更小,在准确性上也有一定的优势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈建宏	中南大学资源与安全工程学院	271	2254	22.0	32.0
2	于凤玲	五邑大学经济管理学院	13	17	3.0	4.0
3	周汉陵	中南大学资源与安全工程学院	5	18	2.0	4.0
4	周扬	湖南文理学院资源环境与旅游学院	1	0	0.0	0.0