基于改进CFA PSO-RBF神经网络的温室温度预测研究

• 作者: 张坤鳌 赵凯
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: CFA PSO RBF 神经网络 最大最小距离算法 预测模型 温室
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 应用技术与研究
• 页码范围: 95-99,107
• 页数: 6页
• 分类号: TP399
• 字数: 4746字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2020.06.018

摘要

为了科学地控制温室温度环境,提升温室温度的预测精度,提出一种改进收缩因子粒子群优化的径向基函数(RBF)神经网络预测模型.利用最大最小距离算法确定RBF神经网络的隐层节点个数;应用改进收缩因子粒子群优化RBF神经网络的隐层基函数中心和场域宽度;与RBF神经网络算法、PSO-RBF神经网络算法、CFA PSO-RBF神经网络算法的预测精度进行比较,分析预测模型性能.实验证明,在神经网络参数选择合理的情况下,与其他神经网络算法相比,改进CFA PSO-RBF神经网络算法具有更好的预测效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张坤鳌	西安科技大学计算机科学与技术学院	21	63	5.0	6.0
2	赵凯	西安科技大学计算机科学与技术学院	4	0	0.0	0.0