基于混合算法优化神经网络的混沌时间序列预测

提出了一种混合算法优化神经网络的混沌时间序列预测模型.将粒子群优化算法与模拟退火算法过程中概率突跳的思想相结合形成一种新的混合算法,并用此混合算法优化神经网络建立预测模型.该模型克服了传统的神经网络收敛慢、易陷入局部最优等不足.利用该模型对Mackey-Glass混沌时间序列和Henon映射进行实验仿真,结果表明,该模型收敛速度快,稳定性能好,预测精度高.     

基于改进SSA-BP神经网络的复烤水分和温度预测

为解决烟叶复烤中加工一致性问题,为复烤工艺参数设置提供依据,本文针对工艺参数建立了BP神经网络模型对烟叶的水分以及温度进行预测.提出了采用Tent混沌映射改进的麻雀搜索算法(SSA)优化神经网络,提升模型的各方面性能.最后以麒麟复烤厂某个批次烟叶复烤加工的数据进行实验验证,并与未优化的BP模型、未改进的SSA-BP模型...     

改进BP神经网络在管道腐蚀速率预测中的应用

针对影响管道腐蚀速率预测精度出现的BP算法易陷入局部最小值、收敛速度慢和引起振荡效应等问题,根据改进自适应遗传算法在广泛的空间搜索和向最优解的方向尽快收敛于最优目标的特点,提出了使用改进自适应遗传算法优化BP神经网络,构建了优化的混合算法神经网络模型.实际应用表明,该模型将大大提高网络的学习效率和预测评判的准确率.     

基于遗传算法的BP网络在小流域侵蚀量预测中的应用

人工神经网络可用于流域水土流失的预测.针对BP神经网络收敛速度慢及容易陷入局部最优解的缺点,设计了基于遗传算法(GA)的优化BP神经网络.利用遗传算法特有优势,为BP网络的初始权值和阈值搜索全局最优解空间,经过BP算法迭代训练,进行预测.依据黄土高原沟壑区杨家沟小流域多年径流与泥沙的实测数据,对创建的侵蚀量模型进行训练和预测,取得了较高的预测精度和较快的收敛速度.     

结合混沌搜索的自适应混沌粒子群算法

针对基于群体适应度方差的自适应混沌粒子群算法存在的局部搜索能力较弱的不足,在该算法中引入了混沌变异以及混沌搜索操作。使用An混沌映射对部分粒子进行混沌变异,对全局最优粒子进行混沌搜索,提出了一种综合考虑粒子位置、寻优空间的自适应变尺度规则。数值仿真结果表明,改进算法的收敛性、全局和局部搜索能力都有所提高,能有效避免早熟收敛。     

一种新的自适应混沌粒子群算法

提出了一种新的自适应混沌粒子群算法。在标准粒子群算法中引入An混沌映射,以特殊的方式,利用An混沌映射来初始化粒子的位置和速度,并且每隔一定的代数就用An混沌扰动部分粒子的位置和速度。数值仿真的结果表明,该算法的收敛性和全局搜索能力得到提高,能有效避免早熟收敛。     

基于优化神经网络的温室厚皮甜瓜病害预测

在温室环境中,厚皮甜瓜较易感染一些病害,而传统的病害预测模型收敛速度慢,易在局部局限在极小值,为准确预测温室厚皮甜瓜病害,在BP神经网络的基础上进行优化,引入了遗传算法,在全局最优解的附近进行局部搜索,以遗传算法的全局搜索能力克服了传统神经网络的局部极小值问题与收敛速度缺陷。经以Matlab对试验数据进行仿真分析,证实引入遗传优化算法进行温室厚皮甜瓜病害预测误差显著减小,取得了较理想的拟合结果。     

一类改进的混沌时间序列局域非线性自适应预测

为了提高混沌时间序列的预测性能,在局域非线性自适应预测模型的非线性函数中引入参数,λ通过选择合适的λ建立新的非线性预测模型。通过对Logistic混沌映射、Henon混沌映射、Lorenz混沌流和Rosslor混沌流进行仿真计算,结果表明该模型的预测精度比局域非线性自适应预测的一步预测精度高,且具有一定程度的抗噪性能。     

集成GASA混合学习策略的BP神经网络优化研究

针对BP算法易于陷入局部极小值且收敛速度慢的缺陷,在BP神经网络训练过程中集合GA并行化群体搜索的特点和SA在局部极小处发生概率突跳的特性,基于GASA混合学习策略对BP神经网络进行优化.优化后的BP神经网络被应用在农作物虫情预测中,实验结果表明能够较大幅度提高网络学习的收敛性能和收敛速度,并一定程度上减少了算法的复杂性.     

集成GASA混合学习策略的BP神经网络优化研究

针对BP算法易于陷入局部极小值且收敛速度慢的缺陷,在BP神经网络训练过程中集合GA并行化群体搜索的特点和SA在局部极小处发生概率突跳的特性.基于GASA混合学习策略对BP神经网络进行优化.优化后的BP神经网络被应用在农作物虫情预测中,实验结果表明能够较大幅度提高网络学习的收敛性能和收敛速度,并一定程度上减少了算法的复杂性.     

基于混合学习算法的模糊小波神经网络控制

采用小波函数作为模糊隶属函数,将模糊控制与神经网络相结合,利用神经网络实现模糊推理.针对BP算法易陷入局部极值点的缺点和简单遗传算法局部搜索能力差的不足,提出了一种混合学习算法,即首先利用遗传算法全局搜索的特点来离线优化神经网络的参数,再利用BP算法较强的局部搜索能力对网络参数进行在线调整.仿真结果表明,该网络能对不同的对象实施有效控制,且具有快速、适应性强等特点.     

改进麻雀搜索算法在优化林分空间结构求解中的应用

为了解决传统群智能优化算法在林分空间结构优化问题求解效率低、易陷入局部最优的缺陷。以小兴安岭地区带岭林业局东方红林场为研究区，以麻雀搜索算法为基础，采用循环混沌映射法对种群进行初始化，使麻雀种群分布更加均匀；应用萤火虫扰动策略增加了算法的搜索范围，加快算法的收敛速度，提高算法的准确性，以样地的树木数据进行了仿真实验。结果表明：森林评价指数由2.35提高到2.93,改进麻雀搜索能够快速收敛在最优值附近，跳出局部极值，有效地提高了算法的准确率和稳定性。     

一种引入反向搜索机制的果蝇优化算法研究

针对基本果蝇优化算法求解复杂优化问题时全局搜索能力差,种群多样性偏低等问题,提出一种引入反向搜索机制的果蝇优化算法（RFOA）。该算法通过在搜索趋于停滞时计算果蝇个体和进化方向的夹角,挑选出一批和进化方向相反的果蝇个体并利用这些个体去探索新的最优解,从而跳出局部最优。通过标准测试函数进行仿真测试,实验结果证明,解决部分较为复杂的优化问题时,RFOA相比其他改进算法可以更有效地避免早熟收敛,加快收敛速度,提高收敛精度。     

一种基于神经网络的土壤湿度预测方法

对土壤湿度进行的高质量时序预测对科学研究和农业生产实际都有重要的意义。利用无线传感器网络得到长时序观测数据,建立一种新的基于BP神经网络的土壤湿度时序预测方法。针对神经网络收敛速度慢、易陷入局部最优的问题,提出基于动量因子和自适应学习率的BP神经网络改进方法,并且利用粒子群算法优化BP神经网络的初始阈值和权值。针对标准粒子群算法(PSO)中惯性权重线性递减、学习因子取常数,而导致的PSO收敛速度慢、易错过全局最优解等问题,将迭代次数和适应度值相结合改进惯性权重和学习因子,有效提高算法找到全局最优解的速度。选取"渤海粮仓"山东试验区东营市垦利县20个观测站2013—2014年的时间序列观测数据,分别采用本研究提出的方法和其他4种方法进行预测,结果显示本研究提出的方法预测在预测精度、收敛速度方面都优于其他4种方法。     

不同配置模式的城市森林植被对PM2.5的吸附研究

研究不同配置的森林植被对PM_2.5的吸附,从而为城市不同环境条件下,降低空气中的PM_2.5质量浓度,改善空气环境质量,寻求适宜的森林植被配植方法。本研究通过监测选定的针叶混、针阔混、针叶纯林、阔叶混、阔叶纯林和乔灌混6种配置模式的森林植被吸附PM_2.5量,分析同配置模式下空气PM_2.5质量浓度日变化,研究不同配置模式的植物对PM_2.5的吸附特征。研究结果表明,不同配置模式下空气PM_2.5质量浓度日均值最大的为针叶混,针叶混和乔灌混次之,最小的为阔叶纯林;不同配置模式森林植被在5～10月中,PM_2.5单位叶面积吸附量大小排序为针叶混(0.744μg·cm^-2)>乔灌混(0.709μg·cm^-2)>针叶纯林(0.625μg·cm^-2)>针阔混(0.53μg·cm^-2)>阔叶混(0.483μg·cm^-2)&g...     

基于混沌机制的人工蜂群算法优化的支持向量机分类器

支持向量机的分类性能在很大程度上取决于其相关参数的选择,为了改善支持向量机的分类准确率,本文采用基于混沌机制的人工蜂群算法对其参数进行优化。在传统人工蜂群算法的基础上,采用Logistic混沌映射初始化种群和锦标赛选择策略,进一步提高人工蜂群算法的收敛速度和寻优精度。该方法采用分类准确率作为适应度函数,利用人工蜂群算法对支持向量机的惩罚因子和核函数参数进行优化。通过对多个标准数据集的分类测试,证明基于混沌机制的人工蜂群算法优化的支持向量机分类器能够获得更高的分类准确率。     

基于贝叶斯神经网络的玉米病害预警模型

准确预测玉米病害是科学防治的前提,因此建立准确且稳定的预测模型,对于防治玉米病害、减少农作物经济损失具有重要意义.由于传统神经网络存在收敛速度慢、容易陷入局部最小化等问题,利用贝叶斯算法改进传统BP神经网络,即贝叶斯神经网络,结合吉林省部分地区的玉米病害数据,构建玉米病害预警模型.试验结果表明:贝叶斯神经网络玉米病害模型对玉米病害预测的准确率达到94.04％,相较传统BP神经网络模型准确率提高了5.49％,可得到更好的预警效果,对于玉米病害的防治起到指导性的作用.     

BP神经网络和遗传算法相结合在洞庭湖氨氮浓度预测中的应用

BP算法具有寻优精确的特点,而遗传算法具有很强的宏观搜索能力和良好的全局优化性能。因此将遗传算法与BP神经网络相结合,训练时先用遗传算法进行寻优,将搜索范围缩小后,再利用BP神经网络来进行精确求解,可以达到全局寻优和快速高效的目的。设计了一种利用遗传算法优化BP神经网络权重的预测方法,并对洞庭湖氨氮浓度的预测进行了研究。结果表明,丰水期(9月份)数据分布比较均匀,遗传算法优化BP神经网络权重的预测方法的3种学习算法计算值与实际值接近,并优于BP神经网络的计算结果,说明该方法具有较好的预测效果。     

基于优化BP网络的工厂化水产养殖水质预测模型的实现

在分析影响工厂化水产养殖水质因素的基础上,利用BP神经网络良好的非线性映射特性,建立了工厂化水产养殖水质预测模型,并利用MATLAB神经网络工具箱编程实现.训练结果表明:用L-M BP网络预测工厂化水产养殖水质,收敛速度快,预测精度高,能有效地预测水产养殖中的水质状况.     

改进的果蝇优化算法在城市物流配送中心选址中的应用

为实现物流配送中心选址的合理配置,本文提出一种基于Logistic混沌系统的果蝇优化算法,通过我国31个城市物流配送中心坐标及其需求量的要求,建立物流配送中心选址的数学模型,并运用其算法进行优化求解,实现配送路径的优化配置,节约成本。该改进的果蝇优化算法既充分发挥Logistic混沌系统和果蝇优化算法的优点,又克服了果蝇优化算法的局部最优问题。仿真结果表明该算法具有收敛速度快、精度高的优点。