改進的PSO算法優(yōu)化神經網絡模型及其應用研究.pdf

1、在水文學科領域中，準確的預報問題是防災減災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的影響，全國的氣象災害越來越嚴重，而且持續(xù)的時間比較長和影響的范圍也越來越大，我國國民經濟的發(fā)展受到了嚴重地影響。如何對現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，國內外研究者已成功的將神經網絡(Neural Networks，NNS)方法應用在大氣學科預測建模等各個復雜領域。但目前還沒有找到確定優(yōu)化神經網絡的各個

2、參數的定量方法，其中采用最多的是BP神經網絡，但對于復雜多維的訓練數據或設置不同的參數會存在過擬合、收斂速度低、陷入局部最優(yōu)和預測效果差等缺陷。這就極大地限制了神經網絡在實時降水徑流預測模型中的應用。近幾年，群智能優(yōu)化人工神經網絡逐漸成為現代優(yōu)化領域的研究熱點，其中粒子群算法是當前優(yōu)化算法領域的一大研究熱點。
　　本文針對人工神經網絡在預報建模過程中網絡結構和優(yōu)化網絡參數難于確定的問題，提出一種改進的PSO(粒子群優(yōu)化算法)進行優(yōu)

3、化神經網絡各個參數并應用在廣西降水和徑流預報建模中。首先，對粒子群算法進行改進，采用隨機分布的方法獲取慣性權值來保持種群的多樣性以及提高搜索能力，同時采用異步變化的策略來改變學習因子值以加強粒子的學習能力以加快收斂到全局最優(yōu)解。其次，將改進的粒子群優(yōu)化前饋神經網絡算法。最后，針對復雜多維的因子，采用多種降維處理方法來獲取主要相關信息的因子。并將所有數據設計分成訓練樣本集和測試樣本集兩類數據，建立基于改進的粒子群優(yōu)化神經網絡的降水和徑流預