一、粒子群算法及BP神经网络简介

由于BP神经网络在应用过程中初始权值和阈值随机选取,容易出现局部收敛极小点,从而降低拟合效果,为了解决这个问题,采用PSO优化BP神经网络(PSO-BP)算法的初始权值和阈值,解决局部极小点问题,提高BP神经网络算法的预测精度。在PSO中,整个搜索空间的维数D。第i个粒子的位置见式(3)。

【优化预测】基于matlab粒子群算法优化BP神经网络预测【含Matlab源码 F003期】_算法

【优化预测】基于matlab粒子群算法优化BP神经网络预测【含Matlab源码 F003期】_参考文献_02

【优化预测】基于matlab粒子群算法优化BP神经网络预测【含Matlab源码 F003期】_数据_03

图2 PSO-BP的算法流程

二、部分源代码

【优化预测】基于matlab粒子群算法优化BP神经网络预测【含Matlab源码 F003期】_参考文献_04

1. 代码注释清楚。
2. 提供代码使用教程,可以换用个人数据,以及运行得到PSO-BP相关图像与对指定数据的预测结果。
3. 如有问题,请私信我。

三、运行结果

【优化预测】基于matlab粒子群算法优化BP神经网络预测【含Matlab源码 F003期】_神经网络_05

【优化预测】基于matlab粒子群算法优化BP神经网络预测【含Matlab源码 F003期】_神经网络_06

【优化预测】基于matlab粒子群算法优化BP神经网络预测【含Matlab源码 F003期】_matlab_07

四、matlab版本及参考文献

1 matlab版本

2019b

2 参考文献

[1] 包子阳,余继周,杨杉.智能优化算法及其MATLAB实例(第2版)[M].电子工业出版社,2016.

[2]张岩,吴水根.MATLAB优化算法源代码[M].清华大学出版社,2017.

[3]周品.MATLAB 神经网络设计与应用[M].清华大学出版社,2013.

[4]陈明.MATLAB神经网络原理与实例精解[M].清华大学出版社,2013.

[5]方清城.MATLAB R2016a神经网络设计与应用28个案例分析[M].清华大学出版社,2018.

[6]任圆圆.粒子群优化BP神经网络算法在公路形变预测中的应用分析[J].电子测量技术. 2020,43(12)