花授粉算法－BP神经网络模型及其在月径流预报中的应用

• 作者: 崔东文 金波
• 来源期刊: 人民珠江
• 关键词: 径流预报 花授粉算法 BP神经网络 参数优化
• 年，卷（期）: 2016,（4）
• 页码范围: 36-40
• 页数: 5页
• 分类号: TV121
• 语种: 中文
• DOI: 10.3969/j.issn.1001-9235.2016.04.008

摘要

通过5个典型高维函数对一种新型群智能优化算法———花授粉算法（ FPA）进行仿真验证，并与粒子群优化（ PSO）算法进行对比分析。针对BP神经网络初始权值、阈值参数难以确定的不足，利用FPA算法优化BP神经网络初始权值和阈值，提出FPA－BP预报模型，以清水江水文站12月月平均流量预报为例进行实例研究。结果表明：①FPA算法收敛精度优于PSO算法，具有较好的收敛速度和全局寻优能力；②FPA－BP模型对实例2001—2005年月平均流量预报的平均相对误差绝对值为2.38％（5次平均），预报精度优于PSO－BP、BP模型。利用FPA算法优化BP神经网络的初始权值和阈值，有效提高了BP神经网络的预报精度和泛化能力，且拓展了BP神经网络初始权值、阈值的优化方法，为相关预报研究提供了参考。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	崔东文		90	901	17.0	26.0
2	金波		18	206	7.0	14.0