典型文献
基于改进CS优化BP神经网络的降水量预测模型
文献摘要：
针对传统BP神经网络易陷入局部极值和连接权值难以确定的问题,提出了 一种基于融合 PSO(Particle Swarm Optimization)和 CS(Cuckoo Search)的混合算法优化设计BP神经网络(PCS-BP)的预测模型.该优化方法主要利用混合算法优秀的全局搜索能力和收敛速度设计优化BP神经网络的连接权值和网络结构,解决了 BP神经网络由于参数随机取值引起的网络震荡和过拟合的问题,提高了预测模型的准确性.结合具体实例,分别采用BP神经网络、CS-BP模型和PCS-BP模型对汉中地区的月降水量进行预测,实验结果表明,PCS-BP的平均绝对误差(MAE)为0.3966,均方根误差(RMSE)为2.3793,平均绝对百分比误差(MAPE)为0.46％,均优于其他模型,具有较好的预测能力.
文献关键词：
BP神经网络;粒子群算法;布谷鸟搜索算法;降水量预测
中图分类号：
作者姓名：
张高记;李杨莉;姚引娣
作者机构：
西安邮电大学陕西省信息通信网络及安全重点实验室,陕西 西安710061;西安邮电大学通信与信息工程学院,陕西 西安710061
文献出处：
引用格式：
[1]张高记;李杨莉;姚引娣-.基于改进CS优化BP神经网络的降水量预测模型)[J].数学的实践与认识,2022(05):103-111
A类：
B类：
降水量预测,局部极值,连接权值,难以确定,PSO,Particle,Swarm,Optimization,Cuckoo,Search,混合算法,算法优化,PCS,全局搜索,搜索能力,收敛速度,震荡,过拟合,汉中地区,月降水,平均绝对误差,MAE,RMSE,平均绝对百分比误差,MAPE,预测能力,粒子群算法,布谷鸟搜索算法
AB值：
0.354805
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。
