基于KPCA粒子群算法的预报模型优化研究 |
| |
引用本文: | 陈丽芳,王云,王新春.基于KPCA粒子群算法的预报模型优化研究[J].电脑迷,2016(10):52-53. |
| |
作者姓名: | 陈丽芳 王云 王新春 |
| |
作者单位: | 华北理工大学理学院 河北唐山063009 |
| |
摘 要: | 空气质量关系着人们的身体健康,因此研究实时、高效的空气质量预报系统,不仅能为公众出行提供指导,还能指导职能部门防控重污染天气并提供相应技术支持.近几年,国内外对预报理论及方法的研究主要集中在BP神经网络预报1].Deden Supriyatman2]应用传统BP神经网络预报输气管道腐蚀速率,N.Haghdadi等人3]应用改进BP网络预报半固态A356铝合金的热变形行为,对学习步长加入动量项,改善了收敛慢的问题,但预报精度较低.蒋吉丽基于BP神经网络的强对流天气预报模型,将观测实况资料作为专家样本对BP神经网络模型进行训练和测试,对训练好了的模型进行了对比测试,为强对流天气的预报提供了依据.分析学者们的预报方法,均考虑了问题的非线性特征,利用BP网络处理非线性问题的优势,建立预报模型,但忽略了数据的相关性和神经网络参数初始化的随意性带来的影响,因此,在实际应用中预报精度较低,速度较慢.
|
本文献已被 万方数据 等数据库收录! |
|