摘要：針對傳統(tǒng)的反向傳播(BP)神經網絡存在過度擬合、預測精度不高的問題,提出了一種基于混沌量子粒子群BP(CQPSO-BP)算法的預測模型。該算法可以提高種群的遍歷性,用混沌序列初始化粒子的初始角位置。為了避免網絡進入早熟收斂,引入了變異操作,從而優(yōu)化BP神經網絡的權值、閾值。為了驗證CQPSO-BP算法的有效性,將準確率和MSE、MSPE作為評價指標,對不同維度的數據集進行預測試驗,并與改進的附加動量法和BP神經網絡進行對比。試驗及對比結果表明:CQPSO-BP算法在預測精度、收斂速度、準確率等方面,相對于傳統(tǒng)的BP神經網絡和改進的附加動量法等算法有較明顯的優(yōu)勢。
注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社
