[发明专利]基于MIV-GP算法优化BP神经网络的概率积分参数预测方法有效
| 申请号： | 201910625366.0 | 申请日： | 2019-07-11 |
| 公开（公告）号： | CN110363344B | 公开（公告）日： | 2022-07-12 |
| 发明（设计）人： | 池深深;余学祥;王磊;吕伟才 | 申请（专利权）人： | 安徽理工大学 |
| 主分类号： | G06Q10/04 | 分类号： | G06Q10/04;G06Q50/02;G06N3/00;G06N3/04 |
| 代理公司： | 合肥中谷知识产权代理事务所(普通合伙) 34146 | 代理人： | 洪玲 |
| 地址： | 232001 *** | 国省代码： | 安徽;34 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提出一种基于遗传算法和粒子群算法的组合算法(GP)优化BP神经网络的概率积分法参数预测模型，并采用平均影响值算法(MIV)来优化BP神经网络的输入层，从而降低网络的复杂程度，达到提高预测精度的目的。以50个工作面的实测资料作为BP神经网络的训练集和测试集建立MIV‑GP‑BP模型，并分析模型预测结果的精度和可靠性，结果表明：在5个参数中，均方根误差均在0.0058～1.1575之间，q、tanβ、b、θ的最大相对误差不超过5.42％，平均相对中误差低于2.81％，s/H相对误差不超过9.66％，平均相对中误差低于4.31％(参数本身较小),优化后的神经网络模型具有更高的预测精度和稳定性。 | ||
| 搜索关键词： | 基于 miv gp 算法 优化 bp 神经网络 概率 积分 参数 预测 方法 | ||
【主权项】：
1.基于MIV‑GP算法优化BP神经网络的概率积分参数预测方法，其特征在于，所述方法包括如下步骤:步骤S1、基于MIV算法对BP神经网络的输入变量进行筛选，对影响概率积分法参数的因子进行排序，剔除排序靠后的影响因子；步骤S2、采用G‑P算法优化BP神经网络的权值和阈值，从而建立MIV‑GP‑BP神经网络预测模型，实现概率积分参数预测。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于安徽理工大学，未经安徽理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910625366.0/，转载请声明来源钻瓜专利网。
- 同类专利
- 专利分类
G06 计算；推算；计数
G06Q 专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法；其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法
G06Q10-00 行政；管理
G06Q10-02 .预定，例如用于门票、服务或事件的
G06Q10-04 .预测或优化，例如线性规划、“旅行商问题”或“下料问题”
G06Q10-06 .资源、工作流、人员或项目管理，例如组织、规划、调度或分配时间、人员或机器资源；企业规划；组织模型
G06Q10-08 .物流，例如仓储、装货、配送或运输；存货或库存管理，例如订货、采购或平衡订单
G06Q10-10 .办公自动化，例如电子邮件或群件的计算机辅助管理
G06Q 专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法；其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法
G06Q10-00 行政；管理
G06Q10-02 .预定，例如用于门票、服务或事件的
G06Q10-04 .预测或优化，例如线性规划、“旅行商问题”或“下料问题”
G06Q10-06 .资源、工作流、人员或项目管理，例如组织、规划、调度或分配时间、人员或机器资源；企业规划；组织模型
G06Q10-08 .物流，例如仓储、装货、配送或运输；存货或库存管理，例如订货、采购或平衡订单
G06Q10-10 .办公自动化，例如电子邮件或群件的计算机辅助管理
