摘要：针对输出权值采用最小二乘法的回声状态网络（ESN），在随机选取输入权值和隐层神经元阈值时，存在收敛速度慢、预测精度不稳定等问题，提出了基于蚁群算法优化回声状态网络（ACO—ESN）的算法。该算法将优化回声状态网络的初始输入权值、隐层神经元阈值问题转化为蚁群算法中蚂蚁寻找最佳路径的问题，输出权值采用最小二乘法计算，通过蚁群算法的更新、变异、遗传等操作训练回声状态网络，选择出使回声状态网络预测误差最小的输入权值和阈值，从而提高其预测性能。将ACO—ESN与ELM、I—ELM、OS—ELM、B—ELM等神经网络的仿真结果进行对比，结果验证经过蚁群算法优化的回声状态网络加快了其收敛速度，改善了其预测性能，并增强了隐层神经元的敏感度。

关键词：回声状态网络 蚁群 优化 权值 阈值 

单位：广西大学电气工程学院; 广西南宁530004