基于变异粒子群优化与深度神经网络的 航空弹药消耗预测模型

• 作者: 何建敏 田德红
• 来源期刊: 南京理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 变异粒子群优化 深度神经网络 航空弹药 组合预测模型
• 年，卷（期）: 2018,（6）
• 页码范围: 716-721,726
• 页数: 7页
• 分类号: TJ410.1
• 字数: 5239字
• 语种: 中文
• DOI: 10.14177/j.cnki.32-1397n.2018.42.06.012

摘要

为了提高航空弹药的供应保障效率,将变异粒子群优化(MP SO)融入深度神经网络(DNN),研究航空弹药训练消耗预测问题.通过DNN确定网络各层的最优激活函数,基于MP SO参数寻优得到网络各层最优的权值和阈值,进而构建MP SO与DNN融合的航空弹药训练消耗预测模型.实验研究表明,该文组合预测模型在对5年数据的预测中均方误差为0.0009,与粒子群优化-深度神经网络(PSO-DNN)模型、DNN模型以及反向传播神经网络(BPNN)模型相比具有更好的预测性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何建敏	东南大学经济管理学院	379	7673	43.0	72.0
2	田德红	东南大学经济管理学院	6	9	2.0	2.0