作者：杨帆; 于鸣; 李丹; 任洪娥bp神经网络粒子群算法co2通量预测精度
摘要：针对现有准确地预测CO2通量方法的不足，提出了一种以粒子群算法和反向传播（BP）神经网络相结合的预测模型。为了防止粒子种群的快速趋同效应，引入了自适应变异算子。通过对陷入局部最优的粒子进行变异操作，提高了算法的寻优性能。利用粒子群算法得到BP神经网络的初始权值和阈值，对优化后的BP神经网络和普通的BP神经网络分别创建CO2通量预测模型。实验结果表明，基于粒子群改进BP神经网络模型能较好表达CO2通量与主要因素之间的非线性关系，相对于一般BP神经网络具有更好的非线性拟合能力和更高的预测准确性。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
《黑龙江大学自然科学学报》（CN：23-1181/N）是一本有较高学术价值的大型双月刊，自创刊以来，选题新奇而不失报道广度，服务大众而不失理论高度。颇受业界和广大读者的关注和好评。 《黑龙江大学自然科学学报》主要刊载数学、应用数学、控制理论、计算机科学、物理、电子科学与技术、机电工程、化学化工、材料科学、市政环境工程、生命科学等学科的最新科研成果。
杂志详情
