基于动态微粒群算法的神经网络模型及应用研究
通过对微粒群PSO优化算法惯性因子和加速因子的动态调整,保证PSO算法迭代过程中全局与局部寻优能力的动态平衡,构造了一种更加稳定准确的动态微粒群DPSO优化算法.进而将动态微粒群DPSO优化算法与传统BP神经网络相结合,分别采用动态微粒群DPSO优化算法和自适应BP算法对神经网络权值进行全局优化和局部二次优化,建立基于动态微粒群优化算法的神经网络DPSO-NN预测模型.利用所建立的动态微粒群神经网络模型对渤海某海域年极值冰厚进行训练预测,并将训练预测结果与BP-NN、GA-NN、PSO-NN模型的训练预测结果、以及实际数据进行对比分析,验证DPSO-NN预测模型具有更优的训练稳定性和预测准确性,为冰区海洋平台安全评估提供了更为可靠的环境载荷参量.
动态微粒群算法、神经网络、自适应BP算法、全局优化、海冰厚度
24
TP311(计算技术、计算机技术)
国家自然科学基金项目51209218;中央高校基本科研业务费专项资金项目12CX04069A
2013-11-29（万方平台首次上网日期，不代表论文的发表时间）
共6页
23-27,32
