基于改进神经网络的环境空气质量预测

• 作者: 刘笃晋 蒲国林
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 人工蜂群算法 迭代递减 反向传播神经网络 环境空气质量预测 误差函数 适应度函数
• 年，卷（期）: 2018,（9）
• 所属期刊栏目: 应用开发研究
• 页码范围: 181-184
• 页数: 4页
• 分类号: TP391
• 字数: 3557字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2018.09.037

摘要

为提高环境空气质量预测的精度,提出一种由改进人工蜂群算法和反向传播神经网络相结合的环境空气质量预测方法(KABC-BP).对人工蜂群算法中雇佣蜂、跟随蜂的搜索空间提出一种随迭代次数递减的搜索公式,以随机初始化此改进人工蜂群算法的不同初始解作为不同组反向传播神经网络权值,以蜂群算法迭代代替人工神经网络的梯度下降修正迭代,以蜂群个体的对应权值下训练误差倒数作为适应度函数,该改进人工蜂群算法所求全局最优解就是所求反向神经网络最优权值.通过基于改进蜂群算法的反向传播神经网络算法、传统蜂群算法的反向传播神经网络算法(ABC-BP)及反向传播神经网络算法(BPNN)的环境空气质量预测的仿真实验表明,该算法的环境空气质量预测精度是最高的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蒲国林	四川文理学院智能制造学院	43	929	11.0	30.0
2	刘笃晋	四川文理学院智能制造学院	24	77	5.0	8.0