10.3969/j.issn.2095-2783.2019.11.016
全局人工鱼群优化BP神经网络在火灾探测中的应用
针对传统的火灾探测器存在火灾报警准确性低、有延迟等问题,提出了利用全局人工鱼群算法优化BP神经网络的预测算法.该算法以温度、烟雾浓度和CO浓度为BP神经网络的输入,火灾的3个等级作为输出,融合了鱼群算法全局搜索能力强和鲁棒性强的特点.对BP神经网络的初始化权值和阈值进行优化,得到最优人工鱼后,用最优的权值和阈值进行神经网络训练,选取40组数据作为训练组,10组数据作为测试组.从仿真结果看,BP神经网络的训练和预测的误差分别为0.091 4 和0. 458 4,优化后的分别为0.045 2和0.088 2,且收敛速度变快,迭代次数减小,应用在火灾探测中有更多的优势.
BP神经网络、预测、火灾、全局人工鱼群算法、优化
14
TP183;TP399(自动化基础理论)
中国博士后科学基金资助项目2015T80729
2020-04-10（万方平台首次上网日期，不代表论文的发表时间）
共5页
1255-1259
