期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
组合神经网络的城市用水量预测模型研究与应用 被引量:3
1
作者 李东升 朱奎 +3 位作者 郭艳军 张树健 高明星 韩旭航 《中国水利水电科学研究院学报(中英文)》 北大核心 2024年第6期579-589,共11页
针对BP神经网络在用水量预测时影响因素多以及易陷入局部最优的问题,本文构建一种基于主成分分析和改进粒子群算法优化的BP神经网络(PCA-IPSO-BP)用水量预测模型。本文首先提出一种基于正弦函数的非线性异步学习因子,改进粒子群算法(PS... 针对BP神经网络在用水量预测时影响因素多以及易陷入局部最优的问题,本文构建一种基于主成分分析和改进粒子群算法优化的BP神经网络(PCA-IPSO-BP)用水量预测模型。本文首先提出一种基于正弦函数的非线性异步学习因子,改进粒子群算法(PSO),形成IPSO算法,然后通过主成分分析筛选用水量因子,最后应用IPSO算法组合BP神经网络,以乌鲁木齐市2005—2020年用水量数据为例开展用水量模拟,并对未来用水量进行预测。结果显示,有关经济、人口、气候、用水效率等方面的14个因子可由降维后的主成分F1、F2、F3代替;PCA-IPSO-BP神经网络模型最先收敛且适应度值最小,用水量模拟的RMSE、MAE、MAPE分别为0.103亿m^(3)、0.093亿m^(3)、0.89%;未来用水量有增加趋势,2025年、2030年、2035年用水量分别为12.58亿m^(3)、13.98亿m^(3)、14.31亿m^(3)。该模型消除了因子之间的冗余信息,提高了预测精度,基于非线性异步学习因子的IPSO算法有效避免了模型陷入局部最优,该模型可为城市用水量预测提供一种新的方法。 展开更多
关键词 用水量预测 主成分分析 BP神经网络 改进粒子群算法 乌鲁木齐市
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部