典型文献
基于粒子群优化BP神经网络的新冠肺炎疫情预测
文献摘要：
针对传统指数平滑时间序列模型预测精度不足及传统BP神经网络在训练过程中易陷入局部最优的问题,通过粒子群算法优化BP神经网络,对美国明尼苏达州2021年7月11日至8月25日新冠肺炎累计死亡和累计确诊人数进行时间序列预测,并与传统双指数平滑模型(Holt)、BP神经网络模型进行比较分析.实验结果显示,PSO-BP模型的预测精度均高于基准模型,平均误差百分比(MAPE)低于0.08％.在6组预测实验中,PSO-BP模型相较于Holt与BP模型,平均误差分别降低了0.038％和0.012％,平均绝对误差(MAE)和均方根误差(RMSE)均下降了5％以上.
文献关键词：
粒子群优化;指数平滑模型;BP神经网络;新冠肺炎
中图分类号：
作者姓名：
张磊;余粟
作者机构：
上海工程技术大学机械与汽车工程学院上海201620;上海工程技术大学工程实训中心,上海201620
文献出处：
引用格式：
[1]张磊;余粟-.基于粒子群优化BP神经网络的新冠肺炎疫情预测)[J].软件导刊,2022(04):67-72
A类：
B类：
粒子群优化,新冠肺炎疫情预测,时间序列模型,训练过程,中易,局部最优,粒子群算法,算法优化,明尼苏达州,时间序列预测,双指数,指数平滑模型,Holt,PSO,平均误差,MAPE,平均绝对误差,MAE,RMSE
AB值：
0.274326
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
