混合算法优化的BP神经网络的大气污染度预测

作者：罗嗣卿^*; 刘昊天

来源：黑龙江大学自然科学学报, 2020, 37(04): 389-394.

DOI：10.13482/j.issn1001-7011.2019.11.232

• 大气污染度
• BP神经网络
• 蛙跳算法
• 粒子群算法
• 差分进化算法

为了解决BP神经网络算法容易陷入极小值点的问题,提出了一种以粒子群算法和差分进化算法为基础改进的蛙跳算法,对BP神经网络算法进行优化。并将改进的算法应用到大气污染预测领域,实验数据以SO2、PM 2.5、PM 10等10种特征为输入,对应的6种污染程度为输出,改进后的算法准确率由84.01%提升为91.12%。利用改进后的蛙跳算法优化BP神经网络可以得到一组最优的权值和阈值,明显地提高了预测算法的准确率。

• 单位
  东北林业大学