改进量子粒子群算法的模糊神经网络水质评价

• 作者: 彭越兮 徐蔚鸿 陈沅涛 马宏华
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 量子粒子群算法 聚合度 收缩扩张系数 模糊神经网络 水质评价
• 年，卷（期）: 2018,（11）
• 所属期刊栏目: 工程与应用
• 页码范围: 211-216
• 页数: 6页
• 分类号: TP391.1
• 字数: 4723字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1701-0089

摘要

传统的粒子群算法训练神经网络的水质评价模型有学习速度慢,容易陷入局部最优和精确性不高的缺点.为了克服模型的缺点,提出了利用改进的自适应量子粒子群算法训练T-S模糊神经网络的新模型,新的自适应量子粒子群算法通过在算法中引入聚集度的概念,使得算法可以在迭代中自适应地调整收缩扩张系数,让算法更具动态自适应性.新的模型结合了量子粒子群算法和T-S模糊神经网络的优点,提高了模型的泛化能力.通过对东江湖流域站点2002到2013年的水文数据进行实验,结果显示,该模型比其他神经网络模型的评价结果具有更高的效率,适合被用于日常水质评价工作.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐蔚鸿	长沙理工大学计算机与通信工程学院	85	647	14.0	21.0
3	陈沅涛	长沙理工大学计算机与通信工程学院	34	125	7.0	10.0
6	彭越兮	长沙理工大学计算机与通信工程学院	1	10	1.0	1.0
7	马宏华		1	10	1.0	1.0