發(fā)布時間：2025-04-22 21:33

　　 針對螢火蟲群優(yōu)化算法(GSO)不穩(wěn)定、收斂速度較慢與收斂精度較低等問題和廣義回歸神經(jīng)網(wǎng)絡(luò)(GRNN)的網(wǎng)絡(luò)結(jié)構(gòu)導(dǎo)致預(yù)測誤差的特性,提出基于混合改進(jìn)螢火蟲群算法與廣義回歸神經(jīng)網(wǎng)絡(luò)并行集成學(xué)習(xí)模型,應(yīng)用于霧霾預(yù)測.首先構(gòu)建融合多種搜索策略的混合改進(jìn)螢火蟲群優(yōu)化算法(HIGSO),并使用標(biāo)準(zhǔn)測試函數(shù)驗證算法性能.然后結(jié)合HIGSO與引入擾動因子的GRNN模型,建立并行集成學(xué)習(xí)模型,并通過UCI標(biāo)準(zhǔn)數(shù)據(jù)集驗證模型的有效性與可行性.最后將模型應(yīng)用于北京、上海和廣州地區(qū)的霧霾預(yù)測,進(jìn)一步驗證模型在霧霾預(yù)測中的性能.

【文章頁數(shù)】：12 頁

【文章目錄】：
1 相關(guān)工作
    1.1 基本螢火蟲優(yōu)化算法
    1.2 廣義回歸神經(jīng)網(wǎng)絡(luò)
2 混合改進(jìn)螢火蟲優(yōu)化算法
    2.1 佳點集種群初始化
    2.2 自適應(yīng)移動步長
    2.3 輔助位置更新機制
    2.4 繁殖變異機制
    2.5 公告板機制
    2.6 算法步驟
    2.7 算法時間復(fù)雜性分析
3 基于HIGSO-GRNN并行集成學(xué)習(xí)模型
4 實驗及結(jié)果分析
    4.1 仿真實驗環(huán)境
    4.2 HIGSO性能測試
    4.3 HIGSO-GRNN性能測試
    4.4 HIGSO-GRNN霧霾預(yù)測模型
5 結(jié)束語



本文編號：4040743