基于改进的粒子群优化神经网络算法的海平面变化预测分析 |
| |
引用本文: | 张宇,贺小星,孙喜文.基于改进的粒子群优化神经网络算法的海平面变化预测分析[J].北京测绘,2023(1):131-136. |
| |
作者姓名: | 张宇 贺小星 孙喜文 |
| |
作者单位: | 1. 江西理工大学土木与测绘工程学院;2. 东华理工大学测绘工程学院 |
| |
基金项目: | 国家自然科学基金(42104023,41904002); |
| |
摘 要: | 针对验潮站潮位预报的需求,提出一种基于分群策略的粒子群优化神经网络(SSPSO-BP)的预报方法。该方法通过建立多个不同功能且具有交流能力的智能粒子群,经SSPSO和BP的两次优化,构建潮高预报模型。实验研究表明,SSPSO-BP模型在Oga站的潮位资料上高、低潮位间的时刻基本保持一致,高潮时刻最大潮高差为7.37 cm,低潮时刻最大潮高差为4.21 cm,该模型比标准BP神经网络及PSO优化神经网络在准确度和精度上有了很大的提高,其平均绝对误差、均方误差相较于BP神经网络分别提升了16.2%、79.2%,相较于PSO-BP神经网络提升了13.9%、79.6%。
|
关 键 词: | BP神经网络 分群策略 变异算子 SSPSO-BP模型 潮高预测 |
|
|