改进PSO-BP神经网络对尾矿坝地下水位的预测方法
郑店坤1(
),许同乐1,*(),尹召杰1,孟庆民2 1. 山东理工大学机械工程学院, 山东 淄博 255049
2. 山博安吉富齿轮电机有限公司, 山东 淄博 255200
收稿日期:2017-09-04出版日期:2019-06-20发布日期:2019-06-27通讯作者:许同乐E-mail:zdk5287@163.com;xutongle@163.com作者简介:郑店坤(1990— )，男，山东曹县人，硕士研究生，主要研究方向为智能测试技术及仪器.E-mail: 基金资助:山东省自然科学基金资助项目(ZR2013FM005);淄博市科学技术发展计划资助项目(JY20151587)Prediction method of tailing dam groundwater levels based on improved PSO-BP neural network
Diankun ZHENG1(),Tongle XU1,*(),Zhaojie YIN1,Qingmin MENG2 1. Mechanical Engineering School, Shandong University of Technology, Zibo 255049, Shandong, China
2. Shanbo Anjifu Gear Motor Co., Ltd., Zibo 255200, Shandong, China
Received:2017-09-04Online:2019-06-20Published:2019-06-27Contact:Tongle XU E-mail:zdk5287@163.com;xutongle@163.comSupported by:山东省自然科学基金资助项目(ZR2013FM005);淄博市科学技术发展计划资助项目(JY20151587)摘要/Abstract
摘要： 为解决传统算法收敛速度慢、精度低的问题,提出一种改进粒子群算法(improved particle swarm optimization, IPSO),通过在寻优过程中动态调整惯性因子ω和加速因子c1和c2,提高算法的寻优效率;利用改进算法优化BP(back propagation)网络的权值和阈值,建立尾矿坝地下水位预测模型,结合实例数据对预测模型进行验证。研究结果表明,改进算法的收敛速度得到改善,预测模型对坝体地下水位的预测精度得到提高。
PDF全文下载地址:
http://gxbwk.njournal.sdu.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=1834
