基于改進(jìn)PSO-BP神經(jīng)網(wǎng)絡(luò)的旅游客流量預(yù)測(cè)方法
【部分圖文】：
陸文星等：碁乎改迸ＰＳＯ－ＢＰ神餐兩絡(luò)的旅游客流最爾測(cè)方瀆??１４１３??８期??迭代次數(shù)??圖２?Ａ函數(shù)尋優(yōu)比較過程??（Ｆｉｇｕｒｅ?２?Ｆｕｎｃｔｉｏｎ?ｏｐｔｉｍｉｚａｔｉｏｎ?ｐｒｏｃｅｓｓ?／ｉ）??圖３?／２函數(shù)尋優(yōu)比較過程??（Ｆｉｇｕｒｅ?３?Ｆｕｎｃｔｉｏｎ?ｏｐｔｉｍｉｚａｔｉｏｎ?ｐｒｏｃｅｓｓ?／２）??迭代次數(shù)??圖４?／３函數(shù)尋優(yōu)比較過程??（Ｆｉｇｕｒｅ?４?Ｆｕｎｃｔｉｏｎ?ｏｐｔｉｍｉｚａｔｉｏｎ?ｐｒｏｃｅｓｓ?／ｓ）??３．４基于改進(jìn)ＰＳＯ優(yōu)化ＢＰ預(yù)測(cè)方法??基于對(duì)數(shù)函數(shù)的位置擾動(dòng)和ｆｔ適應(yīng)慣性權(quán)重的改進(jìn)ＰＳＯ優(yōu)化ＢＰ神經(jīng)網(wǎng)絡(luò)的主要思想??備：將改進(jìn)后的ＰＳＯ奠法所得到的最優(yōu)解作為ＢＰ神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和閾值．具體的預(yù)測(cè)??方法：實(shí)現(xiàn)過裎如Ｔ??步驟１構(gòu)建ＢＰ神經(jīng)網(wǎng)絡(luò)．根據(jù)輸入和輸出．參數(shù)的個(gè)數(shù)構(gòu)建神經(jīng)網(wǎng)絡(luò)的輸入輸出層．??
陸文星等：碁乎改迸ＰＳＯ－ＢＰ神餐兩絡(luò)的旅游客流最爾測(cè)方瀆??１４１３??８期??迭代次數(shù)??圖２?Ａ函數(shù)尋優(yōu)比較過程??（Ｆｉｇｕｒｅ?２?Ｆｕｎｃｔｉｏｎ?ｏｐｔｉｍｉｚａｔｉｏｎ?ｐｒｏｃｅｓｓ?／ｉ）??圖３?／２函數(shù)尋優(yōu)比較過程??（Ｆｉｇｕｒｅ?３?Ｆｕｎｃｔｉｏｎ?ｏｐｔｉｍｉｚａｔｉｏｎ?ｐｒｏｃｅｓｓ?／２）??迭代次數(shù)??圖４?／３函數(shù)尋優(yōu)比較過程??（Ｆｉｇｕｒｅ?４?Ｆｕｎｃｔｉｏｎ?ｏｐｔｉｍｉｚａｔｉｏｎ?ｐｒｏｃｅｓｓ?／ｓ）??３．４基于改進(jìn)ＰＳＯ優(yōu)化ＢＰ預(yù)測(cè)方法??基于對(duì)數(shù)函數(shù)的位置擾動(dòng)和ｆｔ適應(yīng)慣性權(quán)重的改進(jìn)ＰＳＯ優(yōu)化ＢＰ神經(jīng)網(wǎng)絡(luò)的主要思想??備：將改進(jìn)后的ＰＳＯ奠法所得到的最優(yōu)解作為ＢＰ神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和閾值．具體的預(yù)測(cè)??方法：實(shí)現(xiàn)過裎如Ｔ??步驟１構(gòu)建ＢＰ神經(jīng)網(wǎng)絡(luò)．根據(jù)輸入和輸出．參數(shù)的個(gè)數(shù)構(gòu)建神經(jīng)網(wǎng)絡(luò)的輸入輸出層．??
１４１０??系統(tǒng)科學(xué)與數(shù)學(xué)??４０卷??輸入層?隱含層?輸出層??圖１?＠１＊＿神經(jīng)網(wǎng)備雜構(gòu)雨??（Ｆｉｇｕｒｅ?１?Ｓｔｒｕｃｔｕｒｅ?ｄｉｓｇｒａｉｎ?ｏｆ?ＢＰ?ｔｔｅｎｒａｌ?ｎｅｔｗｏｒｋ）??２．２粒子群算法??粒子群算法，又稱為鳥群覓食算法，其主要思想是通過模擬鳥群覓食行為尋求最優(yōu)解．??ＰＳＯ算法的運(yùn)行過程如下：在一個(gè)Ｄ維的搜索空間中，由ｍ個(gè)隨機(jī)初始化的粒子組成的粒??子群，根據(jù)當(dāng)前的種群粒子的個(gè)體極值巧和群體極值＆？？？，通過反復(fù)迭代來改變粒子??的位Ｍ?（〇４，，喊，…和速度…，以獲得種群的最優(yōu)解．在每一次的迭代過??程中，粒子ｊ的速度和位置的更新公式如下式（２．１）、式（２．２）??－?％ａ＾＋?ｃｇｒａｎｄ＾＾?－?（２．３４??其中，４是粒子經(jīng)過第Ａ：次迭代時(shí)在第ｄ維空間的速度，ａ４則是相對(duì)應(yīng)硌的粒子的位??氳ｗ是慣性權(quán)重，是加速系數(shù)，ｒａｎｄ（）是屬于［０，１］之間變化的隨機(jī)數(shù)，只：響是第，個(gè)??粒子在當(dāng)前迭代的歷史最優(yōu)位．置則是在第Ａ：次迭代的種群歷史最優(yōu)位．ｆｔ．??３改進(jìn)的ＰＳＯ－ＢＰ方法??３．１改進(jìn)的思想??巾千原始的：ＢＰ神經(jīng)網(wǎng)絡(luò)初始權(quán)值是采用隨機(jī)賦值的方法７會(huì)導(dǎo)致算法收斂速度慢ｉ??易陷入局部極值．為了克服這一缺陷，本文先對(duì)粒子群的慣性權(quán)重和位置更新機(jī)制進(jìn)行改??進(jìn)，將改進(jìn)后的粒子群算法所得到的最優(yōu)解作為：ＢＰ神經(jīng)網(wǎng)絡(luò)的初始權(quán)值，然后將粒子群優(yōu)??化后的ＢＰ神經(jīng)網(wǎng)絡(luò)作為Ｈ客流最的預(yù)測(cè)模型．??３．２改進(jìn)的粒子群算法??１〕白適應(yīng)慣性權(quán)重??ＰＳＯ算法性能的好壞與參數(shù)的設(shè)、置有著極為重要的關(guān)聯(lián)，主要的參數(shù)包括慣性權(quán)重ｔｔ，、??兩個(gè)加速常數(shù)等其中慣性權(quán)重對(duì)于算法全局
【相似文獻(xiàn)】
相關(guān)期刊論文 前10條
1 桑曉丹;;PSO-BP神經(jīng)網(wǎng)絡(luò)在多元有害氣體檢測(cè)中的應(yīng)用[J];廣東蠶業(yè);2017年06期
2 龔雪飛;徐景;孫壽通;劉萍;簡家文;;PSO-BP神經(jīng)網(wǎng)絡(luò)在多元有害氣體檢測(cè)中的應(yīng)用[J];傳感器與微系統(tǒng);2015年02期
3 王玉冬;朱紅;;高新技術(shù)企業(yè)資金控制效果評(píng)價(jià)——基于PSO-BP神經(jīng)網(wǎng)絡(luò)[J];財(cái)會(huì)通訊;2017年08期
4 呂磊;王紅蕾;;基于PSO-BP神經(jīng)網(wǎng)絡(luò)的儲(chǔ)能裝置實(shí)時(shí)容量識(shí)別與實(shí)現(xiàn)[J];現(xiàn)代電子技術(shù);2020年12期
5 鄭建國;馮珍慧;;基于PSO-BP神經(jīng)網(wǎng)絡(luò)的上市公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)測(cè)研究[J];信息技術(shù)與信息化;2016年08期
6 王志紅;賀星馳;吳鵬輝;袁雨;;基于PSO-BP神經(jīng)網(wǎng)絡(luò)的摩托車排放預(yù)測(cè)[J];數(shù)字制造科學(xué);2018年04期
7 劉冠宇;;基于PSO-BP神經(jīng)網(wǎng)絡(luò)的外貿(mào)發(fā)展?fàn)顩r的評(píng)價(jià)[J];經(jīng)濟(jì)數(shù)學(xué);2011年04期
8 行鴻彥;鄒水平;徐偉;張強(qiáng);;基于PSO-BP神經(jīng)網(wǎng)絡(luò)的濕度傳感器溫度補(bǔ)償[J];傳感技術(shù)學(xué)報(bào);2015年06期
9 苗旭東;魏連鑫;;基于小波和PSO-BP神經(jīng)網(wǎng)絡(luò)的金融時(shí)序預(yù)測(cè)[J];信息技術(shù);2018年05期
10 翟帥華;姜雲(yún)騰;李萍;;基于改進(jìn)PSO-BP神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測(cè)[J];工業(yè)控制計(jì)算機(jī);2018年09期
相關(guān)博士學(xué)位論文 前10條
1 楊旭華;神經(jīng)網(wǎng)絡(luò)及其在控制中的應(yīng)用研究[D];浙江大學(xué);2004年
2 肖理業(yè);基于機(jī)器學(xué)習(xí)的電磁場建模與設(shè)計(jì)研究[D];電子科技大學(xué);2019年
3 梁智杰;聾啞人手語識(shí)別關(guān)鍵技術(shù)研究[D];華中師范大學(xué);2019年
4 趙博雅;基于卷積神經(jīng)網(wǎng)絡(luò)的硬件加速器設(shè)計(jì)及實(shí)現(xiàn)研究[D];哈爾濱工業(yè)大學(xué);2018年
5 饒紅霞;信息受限下神經(jīng)網(wǎng)絡(luò)的狀態(tài)估計(jì)和擬同步研究[D];廣東工業(yè)大學(xué);2019年
6 張馬路;Spiking機(jī)器學(xué)習(xí)算法研究[D];電子科技大學(xué);2019年
7 付錢華;憶阻神經(jīng)網(wǎng)絡(luò)的動(dòng)力學(xué)研究[D];電子科技大學(xué);2019年
8 毛瑞琛;深度神經(jīng)網(wǎng)絡(luò)下的規(guī)范化地址建設(shè)與語義空間模型研究[D];浙江大學(xué);2019年
9 楊旭輝;基于神經(jīng)網(wǎng)絡(luò)的C-ADS InjectorⅡ束流偏移校準(zhǔn)技術(shù)研究[D];蘭州大學(xué);2019年
10 樊英杰;時(shí)滯憶阻神經(jīng)網(wǎng)絡(luò)的鎮(zhèn)定及同步控制研究[D];山東科技大學(xué);2019年
相關(guān)碩士學(xué)位論文 前10條
1 封鵬;基于PSO-BP神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)流量預(yù)測(cè)算法的研究與應(yīng)用[D];東北大學(xué);2015年
2 崔佳珊;改進(jìn)PSO-BP網(wǎng)絡(luò)在工業(yè)設(shè)計(jì)中的應(yīng)用研究[D];西安電子科技大學(xué);2014年
3 余鉅東;正則化方法解決神經(jīng)網(wǎng)絡(luò)稀疏化問題[D];大連理工大學(xué);2015年
4 裴子龍;基于卷積神經(jīng)網(wǎng)絡(luò)的人臉性別識(shí)別研究[D];山西師范大學(xué);2017年
5 周書清;基于神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識(shí)與控制[D];華北電力大學(xué)(北京);2017年
6 高傳俊;基于PSO-BP神經(jīng)網(wǎng)絡(luò)的Lucene搜索引擎的研究[D];中國石油大學(xué)（華東）;2013年
7 李志杰;基于神經(jīng)網(wǎng)絡(luò)的上證指數(shù)預(yù)測(cè)研究[D];華南理工大學(xué);2015年
8 吳昌友;神經(jīng)網(wǎng)絡(luò)的研究及應(yīng)用[D];東北農(nóng)業(yè)大學(xué);2007年
9 閆明;基于FPGA的神經(jīng)網(wǎng)絡(luò)硬件實(shí)現(xiàn)[D];中國海洋大學(xué);2008年
10 孫武彪;基于BP神經(jīng)網(wǎng)絡(luò)的滬深300指數(shù)預(yù)測(cè)分析[D];中南財(cái)經(jīng)政法大學(xué);2019年
本文編號(hào)：2852411
本文鏈接：http://sikaile.net/guanlilunwen/lvyoujiudianguanlilunwen/2852411.html
