首页|基于改进麻雀搜索算法优化BP神经网络的PM2.5浓度预测

基于改进麻雀搜索算法优化BP神经网络的PM2.5浓度预测

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
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.
Prediction of PM2. 5 concentration based on optimized BP neural network with improved sparrow search algorithm

赵侃、师芸、牛敏杰、王虎勤

展开 >

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

展开 >

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

国家自然科学基金国家自然科学基金

4167401341874012

2022

测绘通报
测绘出版社

测绘通报

CSTPCDCSCD北大核心
影响因子：1.027
ISSN：0494-0911
年,卷(期)：2022.(10)
  • 5
  • 1