摘要
提出了一种改进遗传算法(GA)和BP算法结合的神经网络模型优化方案。首先采用自适应交叉概率和变异概率的遗传算法优化BP网络的权值,在进化结束时,能够寻到全局最优点附近的点;在遗传算法搜索结果的基础上,利用局部寻优能力较强的动量BP算法,从此点出发,进行局部搜索,进而达到网络的训练目标。仿真实验结果表明,在大庆市2000年到2004年6月降雨量的预测方面,遗传算法与BP算法结合的模型预测误差平均为39.13%,标准BP算法的模型预测误差平均为194.66%。说明GA-BP算法模型预报精度较高,预测能力得到了改进。
A BP network model based on improved GA is presented. Adopted the adaptive cross ＆ mutation probability, the GA is to optimize the weight of network. At the end of evolution, a solution near the global optimum will be found. Then the global optimum in the local area can be found by adopting momentum BP algorithm. The simulation shows this mixed method（GA-BP model） is more precise （average error 39.13%）than pure BP model（average error 194.66%）in terms of June rainfall prediction during 2000 to 2004 in Da Qing. Consequently, the prediction ability of mixed algorithm is much improved.
出处
《青岛大学学报（工程技术版）》
CAS
2010年第1期10-14,共5页
Journal of Qingdao University(Engineering & Technology Edition)
基金
国家自然科学基金资助项目(60673101
60375014)
国家"八六三"高技术研究发展计划基金项目(2006AA01Z123
2006AA04Z110)
山东省自然科学基金项目(Y2007G30)
山东省科技攻关项目(2007GG3WZ04016)
