共查询到15条相似文献，搜索用时 109 毫秒
1.
为提高无线传感器网络数据融合精度,降低网络能耗,延长网络生存时间,提出基于改进灰狼算法优化BP神经网络的无线传感器网络数据融合算法(IGWOBPDA).首先为平衡灰狼算法全局与局部搜索能力提出改进控制参数和动态权重更新位置的改进灰狼方案,利用改进灰狼算法对BP神经网络初始阈值和初始权值进行优化以解决数据融合中BP神经网... 相似文献
2.
为了改进BP算法预测性能,提出QPSO-BP模型.该模型采用DELTA势阱改进的量子粒子群(QPSO)算法优化BP网络的权值与阈值,然后利用各年的GDP数据进行训练和预测.结果表明:经过DELTA势阱改进的QPSO优化BP算法模型比PSO-BP模型和BP神经网络更稳定,预测精度更高且泛化能力更强.与文献中所用模型的运算结果相比较,这种改进模型运算结果的相对误差和平均误差更小,在准确性上也有一定的优势. 相似文献
3.
基于PSO的BP神经网络-Markov船舶交通流量预测模型 总被引：3，自引：0，他引：3
为对船舶交通流量进行准确预测,结合BP神经网络和Markov算法,构建BP神经网络-Markov预测模型。引入粒子群优化(particle swarm optimization,PSO)算法对模型进行优化,克服利用Markov模型选取白化系数的不足。用该模型预测武汉长江大桥船舶交通流量的月度数据,结果表明:与BP神经网络的预测精度82.439 0%相比,基于PSO的BP神经网络-Markov预测模型的预测精度提高到91.050 8%,该模型的合理性和准确性得到验证。 相似文献
4.
基于改进的无尺度网络的高斯动态粒子群优化算法在舰船电网故障重构中的应用 总被引：1，自引：0，他引：1
针对当前优化算法在处理大规模舰船电网重构问题时易陷于局部极值的缺点,提出一种基于改进的无尺度网络的高斯动态粒子群优化(Gaussian Dynamic Particle Swarm Optimization,GDPSO)算法.该算法融合无尺度网络理论与种群拓扑结构,采用改进的无尺度网络BA模型随机地逐渐增加种群拓扑规模,增加种群多样性,提高种群跳出局部极值的能力.以某20节点和扩充为60节点的舰船电网为例进行故障后重构测试.结果表明,该算法对多维度舰船电网重构有效. 相似文献
5.
针对基本粒子群优化算法存在的早熟收敛问题,提出了一种保持粒子活性的改进PSO算法:当粒子失活时,对粒子进行变异或扰动操作,重新激活粒子,使粒子能够有效地进行全局和局部搜索,并将改进的PSO算法应用到酒精流加发酵过程的补料优化.实验结果表明,运用改进的PSO算法在进行流加发酵过程的补料优化时,它的寻优性能良好,而且寻优速度很快,可以提高最终产物14%的产量. 相似文献
6.
针对卫星数传、测控任务的地面站资源调度问题,提出一种结合启发式方法的粒子群改进算法,对卫星的数传、测控任务进行一体化调度。首先分析卫星任务及地面站资源的约束条件,建立基于启发式规则的约束满足模型,筛选出较优的初始种群,然后设计一种结合启发式规则的粒子群算法求解。仿真对比实验表明,相对于常规调度算法(如遗传算法),粒子群算法具有较好的寻优能力和收敛速度;相对于传统粒子群算法,结合启发式方法的粒子群改进算法具有更好的寻优能力、收敛速度和稳定性。 相似文献
7.
针对无线传感网(wireless sensor network,WSN)节点在海上动态环境下利用接收信号强度指示器(recieved signal strength indicator,RSSI)对船舶追踪精度不高以及计算量大等问题,提出改进的自适应粒子滤波算法。该算法采用优化边界阈值的方式,在重采样阶段采用KL散度(KullbackLeibler divergence,KLD)采样方法实现自适应选择采样粒子,这使得节点采样的计算量减少,从而缩短采样的计算时间。仿真结果表明:该算法可在保障追踪精度的同时,提高自适应度,减少节点计算量,并且能很好地适应海上环境。 相似文献
8.
为提高船舶风压差的预测精度,使船舶能够更快稳定在计划航线上以保障航行安全,提出一种基于主成分分析(principal component analysis, PCA)法和自适应粒子群优化(self-adaptive particle swarm optimization, SAPSO)算法的船舶风压差神经网络预测模型。该方法采用PCA法对航行数据进行预处理,然后将数据输入由SAPSO算法优化的BP神经网络中,改变以往通过复杂的数学建模计算风压差的方法,提高预测的时效性和准确性。利用实船数据对模型进行船舶风压差的实时预测仿真,结果验证了该预测模型具有较高的可靠性。 相似文献
9.
基于多种群遗传神经网络的船舶发电机故障诊断 总被引：3，自引：0，他引：3
为及时发现船舶发电系统的早期故障,通过多种群遗传算法与反向传播（BackPropagation, BP)神经网络算法相结合,提出一种基于多种群遗传神经网络算法的船舶发电机故障诊断方法.利用该算法对实例进行故障诊断,结果证明该算法能有效克服BP神经网络收敛速度慢和易出现局部极小值的缺点.该算法有全局搜索能力强、优化速度快的特点,具有一定的应用前景. 相似文献
10.
本文基于充分的完全的信息共享机制,提出了一种改进的粒子群算法,并将其应用于北京市郊区不同重现期的暴雨强度与降雨历时关系式中参数的优化,与基本的粒子群算法,遗传算法,传统回归法和优选回归法的优化效果进行了分析比较。实例计算结果表明：粒子群算法用于暴雨强度公式中的参数估计精度高于遗传算法,传统回归法和优选回归法的参数估计精度而改进的粒子群算法的参数估计精度又高于基本的粒子群算法。 相似文献
11.
针对现有盲源分离方法存在的源信号类型和高斯信号个数受限制问题,提出一种基于非线性函数和简化粒子群优化的盲源分离新算法.算法采用依据源信号类型选取的非线性函数作为目标函数,运用简化粒子群优化算法对目标函数进行优化,实现多类型源信号同时混合的盲源分离.仿真结果表明,本算法能够有效实现源信号为多类型和含有2路高斯信号的盲源分离.与其他算法相比,本算法收敛速度更快,分离精度更高. 相似文献
12.
神经网络是非线性系统建模的重要方法.反向传播(BP)算法常常用于神经网络的权值训练中,但是BP算法收敛慢.为此,将非线性最小二乘法用于前馈神经网络的权值学习.采用这一建模方法对石油钻杆在热处理过程中的温度测量偏差进行校正.研究结果表明,该方法具有很快的收敛速度和很好的拟合精度,适用于工业过程中测量信号的在线校正. 相似文献
13.
车林仙 《泸州职业技术学院学报》2006,(3)
对混沌系统施加微小扰动,使其自某初始点快速到达给定的不动点(目标点)邻域内,从而实现对混沌系统的快速控制。给出了求解混沌系统扰动序列值的无约束优化模型,并应用粒子群算法求解此优化问题。该算法不需要初值和导数信息,并具有控制参数少、容易实现等优点。数字实例表明,对于混沌系统快速控制问题,粒子群算法能求出满足要求的多组扰动序列值,且收敛速度较快、精度较高。 相似文献
14.
由于船舶轴系支点轴承缺乏相应的振动烈度评判标准,结合支点轴承的日常监测数据,采用箱形图制定低转速工况下的界限值,根据振动烈度随转速增加既有线性增长又有指数增长的趋势,利用灰色线性回归组合模型对高转速工况下的界限值进行预测,并与BP神经网络模型的预测效果进行对比分析.结果表明,箱形图法制定的低转速工况界限值比较合理,灰色线性回归组合模型的预测值比BP神经网络模型的更加准确、稳健,其平均相对误差为2.634%. 相似文献
15.
为提高船舶交通事故的预测精度,提出将自回归综合移动平均(autoregressive integrated moving average, ARIMA)模型与BP神经网络组合的船舶交通事故预测方法。该方法考虑船舶交通事故的复杂性和非线性因素,充分结合ARIMA模型与BP神经网络的优势,分别从简单加权和残差优化角度对ARIMA模型与BP神经网络的不同组合方法进行比较研究,并将其应用于2000—2018年英国籍船舶交通事故预测中。结果表明:与ARIMA模型、BP神经网络和ARIMA-BP的简单加权组合预测方法进行对比,ARIMA-BP的残差优化组合预测方法的预测精度最高,其均方根误差、平均绝对误差和平均绝对百分比误差分别为7.16、6.0和4.9%。本文提出的船舶交通事故预测方法可以为相关人员的决策提供指导。 相似文献