BP预测温度模型_PSO优化
所属分类：人工智能/神经网络/深度学习
开发工具：Others
文件大小：2998KB
下载次数：12
上传日期：2020-03-08 00:56:18
上 传 者：
babymaniac
说明： 论文中的源代码，用的MATLAB 使用PSO-BP对于铁水温度的预测，修改数据直接可以运行
(Prediction of temperature by PSO-BP)
文件列表:
BP预测温度模型_PSO优化\BP初始温度预测.jpg (200689, 2019-12-04)
BP预测温度模型_PSO优化\fun.m (1106, 2019-12-05)
BP预测温度模型_PSO优化\humidity.mat (134465, 2019-10-14)
BP预测温度模型_PSO优化\PSO_BP.m (6728, 2019-12-05)
BP预测温度模型_PSO优化\PSO优化BP(进化100、种群30).jpg (200215, 2019-12-04)
BP预测温度模型_PSO优化\PSO优化BP(进化100、种群50).jpg (197857, 2019-12-04)
BP预测温度模型_PSO优化\PSO优化BP(进化150、种群30).jpg (207373, 2019-12-04)
BP预测温度模型_PSO优化\simpletime.m (936, 2019-10-14)
BP预测温度模型_PSO优化\temperature.mat (303265, 2019-10-14)
BP预测温度模型_PSO优化\temperature_prediction.jpg (126722, 2019-10-14)
BP预测温度模型_PSO优化\WeatherHistory.csv (16197871, 2019-02-19)
BP预测温度模型_PSO优化 (0, 2019-12-05)
本次仿真,预测模型为8*8*8*1,输入数据为359天数据(一个小时测一个数据,一天数据为24)。其中350天数据做训练样本,用来训练BP网络模型的权值和阈值,4天用来做测试样本,用来测试3天左右的温湿度预测值。
本次训练效果比较上次仿真较为准确,判定系数可以达到0.8左右(越靠近1表明仿真效果越好),预测值与实际值点状图基本围绕在主对角线左右,MSE平方误差可以达到0.01,BP网络预测输出图也可以看出预测值的变化趋势基本与期望值一致。
本次仿真存在不足:
1.未修改学习率、附加动量等参量没有解决BP网络收敛慢的问题。
2.没有使用全局优化的算法,没有解决BP容易陷入极值点的问题。
近期下载者：
相关文件：
收藏者：