主成分分析与改进PSO-BP神经网络的下沉系数预测 |
| |
作者姓名: | 娄高中 谭毅 白二虎 |
| |
作者单位: | 1. 安阳工学院土木与建筑工程学院;2. 河南理工大学能源科学与工程学院;3. 煤炭安全生产与清洁高效利用省部共建协同创新中心 |
| |
基金项目: | 国家自然科学基金项目(51974105,52104127);;河南省科技攻关项目(212102310406); |
| |
摘 要: | 针对BP神经网络预测下沉系数时易陷入局部极小以及下沉系数影响因素间存在一定相关性的问题,该文提出了一种基于主成分分析(PCA)和模拟退火—粒子群优化算法(SAPSO)优化BP神经网络的下沉系数预测模型。该模型首先采用PCA对下沉系数影响因素进行降维,消除其所包含的冗余信息;然后利用SAPSO优化BP神经网络的权值与阈值;最后使用训练样本训练模型,利用训练后的模型预测5组测试样本的下沉系数,并对比分析SAPSO-BP、PSO-BP和BP神经网络模型的预测结果。实验结果表明:基于PCA-SAPSO-BP神经网络的下沉系数预测模型的预测值与实际值最为吻合,其平均绝对误差、平均绝对百分比误差及均方根误差相比SAPSO-BP、PSO-BP和BP神经网络模型显著降低,可以有效提高下沉系数预测的准确性。
|
关 键 词: | 主成分分析 模拟退火 粒子群优化算法 BP神经网络 下沉系数 |
|
|