改进灰狼群优化算法的环境污染物预测研究

• 作者: 马占飞 江凤月 李克见 巩传胜
• 来源期刊: 小型微型计算机系统
• 关键词: 灰狼群优化算法 RBF神经网络 最近邻聚类算法 权值优化 污染物预测
• 年，卷（期）: 2021,（10）
• 所属期刊栏目: 人工智能与算法研究|Artificial Intelligence and Algorithms Research
• 页码范围: 2031-2037
• 页数: 7页
• 分类号: TP183
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1220.2021.10.003

摘要

针对传统RBF网络在环境污染物预测中出现的泛化能力弱和准确度低的问题,提出一种组合最近邻聚类算法(NNCA)和改进灰狼群(IGWO)的优化预测算法.首先,针对RBF网络中心参数学习不足,利用最近邻聚类算法(NNCA)调整RBF神经网络的聚类中心参数;其次,针对灰狼群算法寻优能力不足,利用sin函数对参数ɑ进行非线性调整,利用适应度加权系数进行位置调整,得到改进的灰狼群优化算法(IGWO),利用IGWO优化算法进行调整RBF神经网络的权值参数.最后利用NNCA-IGWO-RBF算法对草原环境中的PM10浓度进行预测,验证预测算法的有效性.结果表明,相对于传统的RBF和GWO-RBF算法,该算法预测误差最小,有更高的精确度和更好的泛化能力,能够为污染物治理提供指导作用.