針對(duì)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(cè)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(cè).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(cè)試函數(shù)驗(yàn)證算法性能.然后結(jié)合HIGSO與引入擾動(dòng)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(yàn)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(cè),進(jìn)一步驗(yàn)證模型在霧霾預(yù)測(cè)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(diǎn)集種群初始化
    2.2 自適應(yīng)移動(dòng)步長(zhǎng)
    2.3 輔助位置更新機(jī)制
    2.4 繁殖變異機(jī)制
    2.5 公告板機(jī)制
    2.6 算法步驟
    2.7 算法時(shí)間復(fù)雜性分析
3 基于HIGSO-GRNN并行集成學(xué)習(xí)模型
4 實(shí)驗(yàn)及結(jié)果分析
    4.1 仿真實(shí)驗(yàn)環(huán)境
    4.2 HIGSO性能測(cè)試
    4.3 HIGSO-GRNN性能測(cè)試
    4.4 HIGSO-GRNN霧霾預(yù)測(cè)模型
5 結(jié)束語



本文編號(hào)：4040743