基于改进PSO-NN的径流水位预报研究?

• 作者: 蒋林利
• 来源期刊: 湘潭大学自然科学学报
• 学科: 工学
• 关键词: 神经网络 粒子群 日径流水位预报 惯性权重 学习因子
• 年，卷（期）: 2016,（4）
• 所属期刊栏目: 机械工程与电子工程
• 页码范围: 67-70
• 页数: 4页
• 分类号: TP183
• 字数: 3741字
• 语种: 中文

摘要

为了提高河流日径流水位预报的精确度，针对粒子群算法和神经网络存在的缺陷，提出一种新的粒子群算法进化三层前馈神经网络的连接权系和阈值，并以此建立逐日径流水位预报模型。该算法采用跟随变异粒子扰动变化的惯性权重和学习因子来提高粒子群算法的局部、全局搜索性能和收敛速度。实验仿真结果表明，在收敛速度和预测的精确度上，该模型明显优于其他对比模型，为获得更高预测精度的径流水位预报提供了一种有效的建模方法。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蒋林利	广西科技师范学院数学与计算机科学学院	15	17	2.0	3.0