期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于改进的PSO-BP神经网络的参考作物腾发量预测
被引量：
5
1
作者
任亚飞
田帅
+1 位作者
邵馨叶
邵建龙
《节水灌溉》
北大核心
2020年第5期7-10,15,共5页
针对传统PSO算法易陷入局部极值的缺点,提出了一种改进的粒子群算法(ADAPPSO)。该算法通过利用表现为非线性递减特性的自适应惯性权重来有效减少PSO算法在运算过程中出现局部极值的情况。利用ADAPPSO算法对BP神经网络所涉及的一系列参...
针对传统PSO算法易陷入局部极值的缺点,提出了一种改进的粒子群算法(ADAPPSO)。该算法通过利用表现为非线性递减特性的自适应惯性权重来有效减少PSO算法在运算过程中出现局部极值的情况。利用ADAPPSO算法对BP神经网络所涉及的一系列参数进行优化,并在此基础上建立ADAPPSO-BP模型对参考作物腾发量(ET-0)进行预测。以商丘地区数据为例,通过平均影响值法(MIV)对变量进行筛选,并在此基础上建立了BP神经网络、PSO-BP和ADAPPSO-BP 3种预测模型。根据相关实验结果表明,BP模型、PSO-BP模型和ADAPPSO-BP模型的决定系数R2分别为0.8983、0.9527和0.9606,3种模型的平均绝对误差MAE分别为0.3558、0.2401和0.2056。3种模型中,ADAPPSO-BP模型的R2值最大,MAE最小,这表明提出的ADAPPSO-BP模型能够有效地提高ET-0的预测能力。
展开更多
关键词
改进PSO算法
非线性递减
参考作物腾发量
平均影响值
预测模型
下载PDF
职称材料
自适应动态学习鸡群优化算法
被引量：
8
2
作者
顾艳春
鲁海燕
+1 位作者
向蕾
沈莞蔷
《计算机工程与应用》
CSCD
北大核心
2020年第20期36-45,共10页
针对标准鸡群优化算法存在求解精度偏低、局部搜索能力弱等问题,提出了一种自适应动态学习鸡群优化算法ADLCSO(Adaptive Dynamic Learning Chicken Swarm Optimization algorithm)。该算法利用反向觅食机制自适应更新每只公鸡的位置,并...
针对标准鸡群优化算法存在求解精度偏低、局部搜索能力弱等问题,提出了一种自适应动态学习鸡群优化算法ADLCSO(Adaptive Dynamic Learning Chicken Swarm Optimization algorithm)。该算法利用反向觅食机制自适应更新每只公鸡的位置,并添加了非线性递减学习因子来动态调整公鸡位置的更新步长,以增强种群跳出局部极值的能力,从而提高算法的收敛速度和求解精度。此外,提出了一种基于个体间适应度值之差的种群相似度指标,并利用该指标对每只母鸡的位置进行自适应调整,以抑制种群多样性的衰减,从而进一步提高算法的求解精度。通过对12个经典测试函数进行仿真实验,结果表明ADLCSO算法在收敛速度、求解精度、稳定性及对高维问题的求解能力上均优于其他对比算法。
展开更多
关键词
鸡群算法
反向觅食机制
非线性递减学习因子
种群相似度指标
下载PDF
职称材料
基于改进的BAS-BP神经网络的参考作物腾发量预测
3
作者
余世科
任亚飞
+2 位作者
田帅
董宝伟
邵建龙
《邵阳学院学报（自然科学版）》
2023年第1期8-15,共8页
针对求解参考作物腾发量时较多关联性强的气象因素以及BP神经网络自身的局限性,通过平均影响值法(mean impact value,MIV)和SPSS软件对相关参数进行降维筛选,并通过改进后使用非线性递减步长的天牛须搜索(nonlinear decreasing beetle a...
针对求解参考作物腾发量时较多关联性强的气象因素以及BP神经网络自身的局限性,通过平均影响值法(mean impact value,MIV)和SPSS软件对相关参数进行降维筛选,并通过改进后使用非线性递减步长的天牛须搜索(nonlinear decreasing beetle antennae search,NDBAS)算法优化BP神经网络来进行预测,同时建立基于BP神经网络、BAS-BP神经网络的预测模型进行对比分析。结果表明,NDBAS-BP模型的决定系数R^(2)为0.8858,优于另外两个对比模型;且其平均绝对误差M_(AE)为0.3587 mm/d,低于BAS-BP和BP模型的0.3981和0.3797 mm/d。3种模型中,NDBAS-BP模型的R^(2)值最大,M_(AE)最小,证明NDBAS-BP模型的预测精度更加接近真实数据。
展开更多
关键词
参考作物腾发量
平均影响值
降维
独立分布
非线性递减
NDBAS-BP预测
下载PDF
职称材料
题名
基于改进的PSO-BP神经网络的参考作物腾发量预测
被引量：
5
1
作者
任亚飞
田帅
邵馨叶
邵建龙
机构
昆明理工大学信息工程与自动化学院
佛罗里达理工学院科学与工程学院
出处
《节水灌溉》
北大核心
2020年第5期7-10,15,共5页
基金
国家自然科学基金(61302042)
昆明理工大学慕课建设项目(20171113)。
文摘
针对传统PSO算法易陷入局部极值的缺点,提出了一种改进的粒子群算法(ADAPPSO)。该算法通过利用表现为非线性递减特性的自适应惯性权重来有效减少PSO算法在运算过程中出现局部极值的情况。利用ADAPPSO算法对BP神经网络所涉及的一系列参数进行优化,并在此基础上建立ADAPPSO-BP模型对参考作物腾发量(ET-0)进行预测。以商丘地区数据为例,通过平均影响值法(MIV)对变量进行筛选,并在此基础上建立了BP神经网络、PSO-BP和ADAPPSO-BP 3种预测模型。根据相关实验结果表明,BP模型、PSO-BP模型和ADAPPSO-BP模型的决定系数R2分别为0.8983、0.9527和0.9606,3种模型的平均绝对误差MAE分别为0.3558、0.2401和0.2056。3种模型中,ADAPPSO-BP模型的R2值最大,MAE最小,这表明提出的ADAPPSO-BP模型能够有效地提高ET-0的预测能力。
关键词
改进PSO算法
非线性递减
参考作物腾发量
平均影响值
预测模型
Keywords
improved
PSO
algorithm
non
-
linear
decreasing
reference
crop
evapotranspiration
mean
influence
value
prediction
model
分类号
S27 [农业科学—农业水土工程]
TP183 [农业科学—农业工程]
下载PDF
职称材料
题名
自适应动态学习鸡群优化算法
被引量：
8
2
作者
顾艳春
鲁海燕
向蕾
沈莞蔷
机构
江南大学理学院
江南大学无锡市生物计算工程技术研究中心
出处
《计算机工程与应用》
CSCD
北大核心
2020年第20期36-45,共10页
基金
国家自然科学基金(No.61772013,No.61402201)
中央高校基本科研业务费专项资金(No.114205020513526)。
文摘
针对标准鸡群优化算法存在求解精度偏低、局部搜索能力弱等问题,提出了一种自适应动态学习鸡群优化算法ADLCSO(Adaptive Dynamic Learning Chicken Swarm Optimization algorithm)。该算法利用反向觅食机制自适应更新每只公鸡的位置,并添加了非线性递减学习因子来动态调整公鸡位置的更新步长,以增强种群跳出局部极值的能力,从而提高算法的收敛速度和求解精度。此外,提出了一种基于个体间适应度值之差的种群相似度指标,并利用该指标对每只母鸡的位置进行自适应调整,以抑制种群多样性的衰减,从而进一步提高算法的求解精度。通过对12个经典测试函数进行仿真实验,结果表明ADLCSO算法在收敛速度、求解精度、稳定性及对高维问题的求解能力上均优于其他对比算法。
关键词
鸡群算法
反向觅食机制
非线性递减学习因子
种群相似度指标
Keywords
chicken
swarm
algorithm
reverse
foraging
mechanism
non
-
linear
decreasing
learning
factor
population
similarity
index
分类号
TP301.6 [自动化与计算机技术—计算机系统结构]
下载PDF
职称材料
题名
基于改进的BAS-BP神经网络的参考作物腾发量预测
3
作者
余世科
任亚飞
田帅
董宝伟
邵建龙
机构
中国船舶集团有限公司第七○五研究所昆明分部
昆明理工大学信息工程与自动化学院
出处
《邵阳学院学报（自然科学版）》
2023年第1期8-15,共8页
基金
国家自然科学基金(61302042)。
文摘
针对求解参考作物腾发量时较多关联性强的气象因素以及BP神经网络自身的局限性,通过平均影响值法(mean impact value,MIV)和SPSS软件对相关参数进行降维筛选,并通过改进后使用非线性递减步长的天牛须搜索(nonlinear decreasing beetle antennae search,NDBAS)算法优化BP神经网络来进行预测,同时建立基于BP神经网络、BAS-BP神经网络的预测模型进行对比分析。结果表明,NDBAS-BP模型的决定系数R^(2)为0.8858,优于另外两个对比模型;且其平均绝对误差M_(AE)为0.3587 mm/d,低于BAS-BP和BP模型的0.3981和0.3797 mm/d。3种模型中,NDBAS-BP模型的R^(2)值最大,M_(AE)最小,证明NDBAS-BP模型的预测精度更加接近真实数据。
关键词
参考作物腾发量
平均影响值
降维
独立分布
非线性递减
NDBAS-BP预测
Keywords
reference
crop
evapotranspiration
mean
influence
value
dimensionality
reduction
independent
distribution
non
-
linear
decreasing
NDBAS-BP
prediction
分类号
TP183 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于改进的PSO-BP神经网络的参考作物腾发量预测
任亚飞
田帅
邵馨叶
邵建龙
《节水灌溉》
北大核心
2020
5
下载PDF
职称材料
2
自适应动态学习鸡群优化算法
顾艳春
鲁海燕
向蕾
沈莞蔷
《计算机工程与应用》
CSCD
北大核心
2020
8
下载PDF
职称材料
3
基于改进的BAS-BP神经网络的参考作物腾发量预测
余世科
任亚飞
田帅
董宝伟
邵建龙
《邵阳学院学报（自然科学版）》
2023
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
