声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：37-1391/T
国际刊号：1672-3961
发布日期:
作者：郑店坤,许同乐,尹召杰,孟庆民
单位：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
关键词：动态优化,地下水位,粒子群,BP神经网络,预测模型,
基金：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)
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。
来源：2019年第3期
《山东大学学报(工学版)》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。