共查询到20条相似文献,搜索用时 15 毫秒
1.
2.
将深度学习用于机场终端区流量预测研究。神经网络具有复杂的网络拓扑结构和较多的超参数,这使得超参数的选择很困难。以往神经网络模型的超参数通常是根据经验来调整的,因此,为了解决超参数搜索问题,引入粒子群算法(PSO)。针对基本粒子群算法(Basic PSO,BPSO)的缺点和不足,提出一种基于自适应惯性权重的混沌粒子群优化(AWCPSO)算法,该算法在基本PSO的基础上进行了改进和优化。具体方法是,使用一种新的动态自适应惯性权重在全局寻优和局部寻优之间取得平衡;进而将混沌思想和粒子群算法相结合,解决粒子群算法易陷入局部最优的问题。实验表明,AWCPSO算法用于AC-BiLSTM模型的超参数寻优时,既解决了BPSO算法的早熟收敛问题,又提高了流量预测的精度。 相似文献
3.
为实现能源梯级利用、冷热电联供系统优化运行,将基本粒子群算法、改进粒子群法、动态调整惯性权重的粒子群(IDWPSO)算法进行对比。表明相较于其它两种算法IDWPSO算法在收敛速度与精度方面都有更好的表现。建立以运行成本和环保成本最小为目标的冷热电联供CCHP (combined cooling, heating and power)系统模型,并采用IDWPSO算法优化。结果表明,在满足系统负荷与约束条件下,IDWPSO算法优化后的系统综合成本有所降低,对CCHP系统优化运行具有指导意义。 相似文献
4.
文章针对小水线面双体无人艇,选取该无人艇的快速性、操纵性、耐波性和太阳能系统的目标函数,确定设计变量和约束条件的范围,建立了综合优化数学模型,并选取合适的优化算法,自主编写了一套优化设计软件,进行综合优化计算。先比较不同代数的粒子群算法的适应度函数值,而后选用粒子群算法作为主算法得出最好的5个个体信息,与自身及其他优化算法结合进行二次计算。最终得到小水线面双体船最优船型参数,研究结果可为小水线面双体无人艇各项性能优化的多目标、多变量及多约束条件综合优化问题提供参考。 相似文献
5.
6.
期权定价模型的参数校准问题是一个常见的难题,以heston 模型为例,定价时需要估计6 个参数,参数估计问题实质上是高维非线性规划问题,由于估参函数的性质不好,一般的估参方法常常失效。使用粒子群(PSO)智能算法可以改善该模型的参数校准问题,因为粒子群算法具有内在随机性,因此参数估计中的局部极小值问题可以被较好地解决。使用2017 年12 月20 日的香港恒生指数期权作为估计样本,并对2017 年12 月25 日的期权进行样本外预测,数值结果表明使用heston 模型对期权进行定价并配合粒子群算法估计参数具有良好的定价效果。 相似文献
7.
由于基本粒子群算法存在收敛速度慢、易陷入极值的不足之处,利用遗传算法中的选择和交叉机制对传统粒子群算法进行改进,并与模糊聚类算法相结合对变压器溶解气体分析的故障诊断分析。分析结果表明,该算法具有较高的故障诊断正确率,满足电力变压器的故障诊断要求。 相似文献
8.
如何提升电网负荷短期预测水平是电网企业亟待解决的问题。本文针对传统的BP神经网络算法所存在的学习过程收敛速度慢、算法易陷入局部极小点和鲁棒性差等缺陷,引入粒子群优化算法对其进行优化和改进,使之具备更加完善的性能。通过实际电网负荷预测的实验与比较,证明了所构建的符合预测系统的准确度。 相似文献
9.
10.
文章通过对几种互斥算法的研究,认识到集中式算法的性能瓶颈以及非基于令牌的分布式算法的不健壮性,得到了改进后的基于令牌的分布式算法;通过对该算法的性能分析,并与前几种算法进行比较,验证了该算法是高效的,并给出正确性证明。 相似文献
11.
运用误差摄动法建立了一种新型并联机构的误差模型,提出了基于模糊神经网络的新型并联机构的一种误差补偿控制方法,并对网络结构、功能和训练算法进行了讨论,仿真结果表明,该模型具有良好的误差补偿性能。 相似文献
12.
为准确预测乘用车使用寿命,提出基于网格搜索优化LightGBM(GS-LGBM)模型的乘用车使用寿命预测方法。通过对2014—2019年乘用车报废数据进行大量实验,并与9种流行的机器学习算法进行对比,结果表明,LightGBM在平均绝对误差(MAE)、中位绝对误差(MEAE)、均方误差(MSE)和拟合优度判定系数(R2)4项指标上均明显优于其他算法。为进一步提升模型预测精度,采用网格搜索算法对LightGBM进行参数优化构建GS-LGBM模型,效果显著提升(MAE降低11.02%),说明该方法能够更准确高效地预测乘用车使用寿命。 相似文献
13.
14.
产业结构是社会经济结构的重要组成部分,改革开放30多年来,我国在发展中不断调整产业结构,实现了经济增长与结构调整的良性互动。为了科学的预测三次产业结构未来发展演变趋势,制定合理的产业发展目标,本文利用球面投影法对三次产业结构数据进行降维,然后根据处理后的成分数据具有周期性波动的特点,建立包含两个周期项的组合模型进行预测,并利用粒子群算法估计模型参数,最后得到三次产业结构的预测值。通过分析,该方法预测出的数据与现实情况相吻合。 相似文献
15.
在煤炭铁路物流需求预测中,存在历史样本量较小和非线性强的特点,从而致使预测精度较低。将支持向量回归机(support vectorreg ression,SVR)与粒子群算法(Particle Swarm Optimization,PSO)相结合,提出适用于小样本量学习的PSO-SVR模型。选取1995-2011年的煤炭铁路货运量及其影响因素作为学习样本,利用粒子群算法对支持向量机参数进行优化,通过训练、测试得到具有良好学习与推广能力的煤炭铁路货运量预测模型。建立BP神经网络模型,并将二者的预测值进行对比,结果表明在解决我国煤炭铁路物流需求预测这种小样本,非线性及高维模式识别问题中PSO-SVR模型预测精度优于BP神经网络模型。 相似文献
16.
在分析宏观经济系统特点之后,针对现有的采用人工神经网络对经济系统进行建模和预测的方法存在的问题,文章提出了一种改进的免疫粒子群优化神经网络算法。仿真结果表明:这种算法能够增强神经网络的泛化能力,提高系统模型的预测精度,使预测误差从原来BP神经元网络的15%下降到改进后的5%. 相似文献
17.
在分析图像小波分解系数分布特征的基础上提出了一种基于Context模型与Wiener滤波的小波变换图像去噪算法。算法利用Context模型建立小波分解后系数的分类模型,并对不同尺度和方向的小波分解系数根据分类使用不同的阈值去噪。实验表明,本方法能较好的去除图像噪声和保留图像细节信息,在提高去噪图像信噪比和改善主观视觉效果方面都表现出了良好的性能。 相似文献
18.
文章在对RFM指标体系进行分析的基础上,应用自组织特征映射(SOM)神经网络和粒子群优化(PSO)的聚类组合算法,通过客户关系的特征衡量分析客户的内在价值和忠诚度,对客户数据进行了科学、客观、深层次的挖掘分析,为企业有针对性的制定营销策略提供了依据。 相似文献