基于混沌量子粒子群BP算法的研究

摘要：針對傳統(tǒng)的反向傳播(BP)神經(jīng)網(wǎng)絡(luò)存在過度擬合、預(yù)測精度不高的問題,提出了一種基于混沌量子粒子群BP(CQPSO-BP)算法的預(yù)測模型。該算法可以提高種群的遍歷性,用混沌序列初始化粒子的初始角位置。為了避免網(wǎng)絡(luò)進(jìn)入早熟收斂,引入了變異操作,從而優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的權(quán)值、閾值。為了驗證CQPSO-BP算法的有效性,將準(zhǔn)確率和MSE、MSPE作為評價指標(biāo),對不同維度的數(shù)據(jù)集進(jìn)行預(yù)測試驗,并與改進(jìn)的附加動量法和BP神經(jīng)網(wǎng)絡(luò)進(jìn)行對比。試驗及對比結(jié)果表明:CQPSO-BP算法在預(yù)測精度、收斂速度、準(zhǔn)確率等方面,相對于傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)和改進(jìn)的附加動量法等算法有較明顯的優(yōu)勢。