典型文献
基于改进麻雀搜索算法优化BP神经网络的PM2.5浓度预测
文献摘要：
针对传统BP神经网络模型收敛速度慢、易陷入局部极值等问题,本文采用分段线性混沌映射(PWLCM)和萤火虫算法(FA)改进麻雀搜索算法(SSA),并优化BP神经网络模型初始权值和阈值,对西安市PM2.5浓度进行预测.通过比较不同模型预测结果的评价指标,并与性能较优的SSA-BP模型对比,ISSA-BP模型预测结果的RMSE、MAPE、MAE分别下降了3.70、3.73、3.34.试验结果表明,改进后的麻雀搜索算法具有高效的全局最优搜索能力,优化后的ISSA-BP神经网络预测稳定性高,精度优于BP、SSA-BP神经网络模型,可用于预测PM2.5浓度.
文献关键词：
麻雀搜索算法;分段线性混沌映射;萤火虫算法;BP神经网络;PM2.5浓度预测
中图分类号：
作者姓名：
赵侃;师芸;牛敏杰;王虎勤
作者机构：
中煤地航测遥感局,陕西 西安710199;西安科技大学测绘科学与技术学院,陕西 西安710054;自然资源部煤炭资源勘察与综合利用重点实验室,陕西 西安710021;西安捷达测控有限公司,陕西 西安710054
文献出处：
引用格式：
[1]赵侃;师芸;牛敏杰;王虎勤-.基于改进麻雀搜索算法优化BP神经网络的PM2.5浓度预测)[J].测绘通报,2022(10):44-48,104
A类：
分段线性混沌映射,PWLCM
B类：
改进麻雀搜索算法优化,PM2,浓度预测,收敛速度,速度慢,局部极值,萤火虫算法,FA,权值,西安市,模型对比,ISSA,RMSE,MAPE,MAE,别下,全局最优,最优搜索,搜索能力,神经网络预测
AB值：
0.218042
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。
