【BP预测】基于鲸鱼算法优化BP神经网络实现数据预测附
matlab代码
1 简介
随着现代居民居住地愈发集中,供水管网规模不断扩大,水资源供给面临着新的困难和挑战.其中包括水资
源调度时的动态变化,管网的突发故障,水资源的不可控流失以及多目标和计算量庞大等问题.BP神经网络
因拥有较强的自学习能力和泛化能力而被广泛应用于水资源预测问题中,但其也存在收敛速度慢,容易陷入
局部极值的问题.群智能算法作为一种寻优算法,具有操作简单,收敛速度快,全局寻优能力强等优点.为提高
BP神经网络在水资源预测方面的收敛速度和预测精度,提出一种基于鲸鱼算法优化的BP神经网络水资源
需求预测模型,通过BP神经网络采用WOA算法输出的最优权值,阈值作为初始参数值训练模型.实验验
证,WOA-BP神经网络方法相比传统BP方法在收敛速度和预测精度方面都有更优的表现.
BP神经网络是一种多层的前馈神经网络,其主要的特点是:信号是前向传播的,而 误 差 是 反 向 传
播 的。BP神经 网 络的过程主要分为两个阶段,第一阶段是信号的前向传播,即从输入层经过隐藏
层,最后再到达输出层;第二阶段是误差的反向传播,将输出层的结果与预期结果做对比,从输出层到
隐含层,最后到输入层,依次调节隐含层到输出层的权重和偏置、输入层到隐含层的权重和偏置。BP
神经网络具有自学习能力、非线性函数映射能力,且鲁棒性 强。三 层 BP神经 网 络 的结构如图1所
示。