改进PSO-BP神经网络对尾矿坝地下水位的预测方法

论文摘要

为解决传统算法收敛速度慢、精度低的问题,提出一种改进粒子群算法（improved particle swarm optimization, IPSO）,通过在寻优过程中动态调整惯性因子ω和加速因子c1和c2,提高算法的寻优效率;利用改进算法优化BP（back propagation）网络的权值和阈值,建立尾矿坝地下水位预测模型,结合实例数据对预测模型进行验证。研究结果表明,改进算法的收敛速度得到改善,预测模型对坝体地下水位的预测精度得到提高。

论文目录

• 0 引言
• 1 算法原理
• 2 IPSO-BP神经网络预测模型的建立
•   2.1 改进PSO算法
•   2.2 IPSO-BP神经网络预测模型
• 3 IPSO-BP预测模型的验证
• 4 结语

文章来源

类型: 期刊论文

作者: 郑店坤,许同乐,尹召杰,孟庆民

关键词: 动态优化,地下水位,粒子群,神经网络,预测模型

来源: 山东大学学报(工学版) 2019年03期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 水利水电工程,自动化技术

单位: 山东理工大学机械工程学院,山博安吉富齿轮电机有限公司

基金: 山东省自然科学基金资助项目(ZR2013FM005),淄博市科学技术发展计划资助项目(No.JY20151587)

分类号: TP18;TV698.12

页码: 108-113

总页数: 6

文件大小: 790K

下载量: 306