摘要:为解决现有的城市用水量短期预测BP神经网络法对初始权值敏感、易陷入局部极小点和收敛速度慢等问题,通过对城市时用水量数据特征的分析,应用基于全局随机优化思想的粒子群优化(PSO)算法对BP网络的初始权值进行优化,建立了PSO-BP城市时用水量预测模型.在算例分析中与传统BP神经网络预测法进行对比,发现该方法的收敛速度明显提高,且平均预测精度提高了2%,在用水量短期预测中非常有效.
关键词:城市用水量 短期负荷预测 粒子群优化 bp神经网络 预测模型
单位:天津工业大学环境工程系; 天津300160; 天津大学环境科学与工程学院; 天津300072; 天津市城市规划设计研究院; 天津300201
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社
相关期刊
Applied Geophysics Pedosphere Applied Mathematics and Mechanics Chinese Physics C Chinese Physics B China Petroleum Processing Petrochemical Technology Petroleum Science Chinese Optics Letters Advances in Atmospheric Sciences Applied Mathematics:A Journal of Chinese Universities相关范文
ps在平面设计中的应用