基于改进神经网络的环境空气质量预测

为提高环境空气质量预测的精度,提出一种由改进人工蜂群算法和反向传播神经网络相结合的环境空气质量预测方法(KABC-BP)。 对人工蜂群算法中雇佣蜂、跟随蜂的搜索空间提出一种随迭代次数递减的搜索公式,以随机初始化此改进人工蜂群算法的不同初始解作为不同组反向传播神经网络权值,以蜂群算法迭代代替人工神经网络的梯度下降修正迭代,以蜂群个体的对应权值下训练误差倒数作为适应度函数,该改进人工蜂群算法所求全局最优解就是所求反向神经网络最优权值。 通过基于改进蜂群算法的反向传播神经网络算法、传统蜂群算法的反向传播神经网络算法(ABC-BP)及反向传播神经网络算法(BPNN)的环境空气质量预测的仿真实验表明,该算法的环境空气质量预测精度是最高的