基于混沌量子粒子群BP算法的研究

针对传统的反向传播(BP)神经网络存在过度拟合、预测精度不高的问题,提出了一种基于混沌量子粒子群BP(CQPSO-BP)算法的预测模型。该算法可以提高种群的遍历性,用混沌序列初始化粒子的初始角位置。为了避免网络进入早熟收敛,引入了变异操作,从而优化BP神经网络的权值、阈值。为了验证CQPSO-BP算法的有效性,将准确率和MSE、MSPE作为评价指标,对不同维度的数据集进行预测试验,并与改进的附加动量法和BP神经网络进行对比。试验及对比结果表明:CQPSO-BP算法在预测精度、收敛速度、准确率等方面,相对于传统的BP神经网络和改进的附加动量法等算法有较明显的优势。