改進(jìn)的PSO算法優(yōu)化神經(jīng)網(wǎng)絡(luò)模型及其應(yīng)用研究.pdf

1、在水文學(xué)科領(lǐng)域中，準(zhǔn)確的預(yù)報(bào)問題是防災(zāi)減災(zāi)的重要研究課題之一。近年來，由于全球氣候的變化和人類活動(dòng)的影響，全國的氣象災(zāi)害越來越嚴(yán)重，而且持續(xù)的時(shí)間比較長和影響的范圍也越來越大，我國國民經(jīng)濟(jì)的發(fā)展受到了嚴(yán)重地影響。如何對(duì)現(xiàn)有水文資料的分析和研究并找到其變化的規(guī)律是非常必要和重要的。近年來，國內(nèi)外研究者已成功的將神經(jīng)網(wǎng)絡(luò)(Neural Networks，NNS)方法應(yīng)用在大氣學(xué)科預(yù)測建模等各個(gè)復(fù)雜領(lǐng)域。但目前還沒有找到確定優(yōu)化神經(jīng)網(wǎng)絡(luò)的各個(gè)

2、參數(shù)的定量方法，其中采用最多的是BP神經(jīng)網(wǎng)絡(luò)，但對(duì)于復(fù)雜多維的訓(xùn)練數(shù)據(jù)或設(shè)置不同的參數(shù)會(huì)存在過擬合、收斂速度低、陷入局部最優(yōu)和預(yù)測效果差等缺陷。這就極大地限制了神經(jīng)網(wǎng)絡(luò)在實(shí)時(shí)降水徑流預(yù)測模型中的應(yīng)用。近幾年，群智能優(yōu)化人工神經(jīng)網(wǎng)絡(luò)逐漸成為現(xiàn)代優(yōu)化領(lǐng)域的研究熱點(diǎn)，其中粒子群算法是當(dāng)前優(yōu)化算法領(lǐng)域的一大研究熱點(diǎn)。
　　本文針對(duì)人工神經(jīng)網(wǎng)絡(luò)在預(yù)報(bào)建模過程中網(wǎng)絡(luò)結(jié)構(gòu)和優(yōu)化網(wǎng)絡(luò)參數(shù)難于確定的問題，提出一種改進(jìn)的PSO(粒子群優(yōu)化算法)進(jìn)行優(yōu)

3、化神經(jīng)網(wǎng)絡(luò)各個(gè)參數(shù)并應(yīng)用在廣西降水和徑流預(yù)報(bào)建模中。首先，對(duì)粒子群算法進(jìn)行改進(jìn)，采用隨機(jī)分布的方法獲取慣性權(quán)值來保持種群的多樣性以及提高搜索能力，同時(shí)采用異步變化的策略來改變學(xué)習(xí)因子值以加強(qiáng)粒子的學(xué)習(xí)能力以加快收斂到全局最優(yōu)解。其次，將改進(jìn)的粒子群優(yōu)化前饋神經(jīng)網(wǎng)絡(luò)算法。最后，針對(duì)復(fù)雜多維的因子，采用多種降維處理方法來獲取主要相關(guān)信息的因子。并將所有數(shù)據(jù)設(shè)計(jì)分成訓(xùn)練樣本集和測試樣本集兩類數(shù)據(jù)，建立基于改進(jìn)的粒子群優(yōu)化神經(jīng)網(wǎng)絡(luò)的降水和徑流預(yù)