全局人工鱼群优化BP神经网络在火灾探测中的应用

论文摘要

针对传统的火灾探测器存在火灾报警准确性低、有延迟等问题,提出了利用全局人工鱼群算法优化BP神经网络的预测算法。该算法以温度、烟雾浓度和CO浓度为BP神经网络的输入,火灾的3个等级作为输出,融合了鱼群算法全局搜索能力强和鲁棒性强的特点。对BP神经网络的初始化权值和阈值进行优化,得到最优人工鱼后,用最优的权值和阈值进行神经网络训练,选取40组数据作为训练组,10组数据作为测试组。从仿真结果看,BP神经网络的训练和预测的误差分别为0.091 4和0.458 4,优化后的分别为0.045 2和0.088 2,且收敛速度变快,迭代次数减小,应用在火灾探测中有更多的优势。

论文目录

• 1 BP神经网络
• 2 全局人工鱼群优化BP神经网络预测模型
•   2.1 全局人工鱼群算法
•     1)觅食行为
•     2) 聚群行为
•     3) 追尾行为
•   2.2 全局人工鱼群优化BP神经网络的流程
• 3 实验过程与仿真
•   3.1 实验参数
•   3.2 仿真结果
• 4 结 语

文章来源

类型: 期刊论文

作者: 石姗姗,高正中

关键词: 神经网络,预测,火灾,全局人工鱼群算法,优化

来源: 中国科技论文 2019年11期

年度: 2019

分类: 工程科技Ⅱ辑,工程科技Ⅰ辑,信息科技

专业: 安全科学与灾害防治,建筑科学与工程,自动化技术

单位: 山东科技大学电气与自动化工程学院

基金: 中国博士后科学基金资助项目(2015T80729)

分类号: TU892;TP183

页码: 1255-1259

总页数: 5

文件大小: 2177K

下载量: 100