基于蚁群算法优化反向传播神经网络的港口吞吐量预测

• 作者: 卢雪琴 吴忠强 张立杰 李长安
• 来源期刊: 计量学报
• 学科: 工学
• 关键词: 计量学 港口吞吐量 蚁群算法 BP神经网络 AC-BP预测模型
• 年，卷（期）: 2020,（11）
• 页码范围: 1398-1403
• 页数: 6页
• 分类号: TB938.1
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1158.2020.11.14

摘要

利用蚁群算法优化反向传播神经网络的初始权值、阈值,建立预测模型,对港口货物吞吐量进行预测.蚁群算法具有全局搜索能力,分布式计算和鲁棒性强等特点,有利于加快反向传播神经网络的收敛速度,避免易陷入局部极值的问题,提高建模精度.在港口吞吐量预测中的应用表明:蚁群算法优化BP神经网络模型、模糊神经网络预测模型、RBF预测模型及BP预测模型的平均绝对百分比误差分别为2.826％、3.734％、4.990％和6.566％;同时,蚁群算法优化BP神经网络模型收敛速度最快.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴忠强		150	915	16.0	22.0
2	张立杰		68	745	15.0	25.0
3	李长安		3	1	1.0	1.0
4	卢雪琴		2	0	0.0	0.0