基于粒子群算法优化的城市供水量预测模型研究

• 作者: 丁榕艺 周明 杜坤 毛润康 陈攀 雷雨晴
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 粒子群算法 神经网络 供水量 相对误差 拟合度
• 年，卷（期）: 2019,（7）
• 所属期刊栏目: 人工智能
• 页码范围: 19-23
• 页数: 5页
• 分类号: TP303
• 字数: 3644字
• 语种: 中文
• DOI: 10.11907/rjdk.191738

摘要

鉴于BP神经网络、RBF神经网络在城市供水量预测精度上的不足,利用粒子群算法优化两者相关参数,实现更高预测精度,并通过建立BP神经网络、RBF神经网络、PSO-BP神经网络、PSO-RBF神经网络分别对城市供水量数据进行仿真预测.最终测试样本统计结果显示:RBF神经网络比BP神经网络平均相对误差(MRE)低约1％,在拟合度(R2)上高约0.014;PSO-BP神经网络比BP神经网络在MRE上降低约1.25％,在R2上提高约0.05;PSO-RBF神经网络比RBF神经网络在MRE上降低约0.3％,在R2上提高约0.072.由此说明RBF神经网络比BP神经网络在城市供水量预测方面更有优势,并且利用粒子群算法优化神经网络模型参数可有效提升神经网络预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周明	昆明理工大学建筑工程学院	37	138	7.0	10.0
2	杜坤	昆明理工大学建筑工程学院	26	49	3.0	6.0
3	毛润康	昆明理工大学建筑工程学院	3	1	1.0	1.0
4	陈攀	昆明理工大学建筑工程学院	3	1	1.0	1.0
5	雷雨晴	昆明理工大学建筑工程学院	3	1	1.0	1.0
6	丁榕艺	昆明理工大学建筑工程学院	4	1	1.0	1.0