10.3969/j.issn.1000-386x.2020.06.018
基于改进CFA PSO-RBF神经网络的温室温度预测研究
为了科学地控制温室温度环境,提升温室温度的预测精度,提出一种改进收缩因子粒子群优化的径向基函数(RBF)神经网络预测模型.利用最大最小距离算法确定RBF神经网络的隐层节点个数;应用改进收缩因子粒子群优化RBF神经网络的隐层基函数中心和场域宽度;与RBF神经网络算法、PSO-RBF神经网络算法、CFA PSO-RBF神经网络算法的预测精度进行比较,分析预测模型性能.实验证明,在神经网络参数选择合理的情况下,与其他神经网络算法相比,改进CFA PSO-RBF神经网络算法具有更好的预测效果.
CFA、PSO、RBF、神经网络、最大最小距离算法、预测模型、温室
37
TP399(计算技术、计算机技术)
陕西省教育厅科研计划项目2010JK664
2020-06-28(万方平台首次上网日期,不代表论文的发表时间)
共6页
95-99,107