基于模糊理论的ABC-RBF神经网络对雾霾天气的预测
发布时间：2021-02-15 18:44
随着人工智能技术的快速发展,其应用已经遍布在我们生活的各个领域,RBF神经网络作为人工智能的重要方法是学者们现阶段的重点研究问题。RBF神经网络是一种局部逼近的前馈型神经网络,它模拟了人脑神经网络中局部调节和接受阈相互覆盖的结构,目前已经广泛的应用于非线性函数的逼近、人工智能、模式识别、图像分类等领域。在环境污染日益严重的今天,越来越多的人开始对雾霾问题重视起来,它不仅对我们的身心造成伤害,也影响我们的出行。因此,利用RBF神经网络技术从诱发雾霾的污染源出发,实现对雾霾天气的预测,从而提高人们的生活质量,是本文的主要研究内容。但传统的RBF神经网络在算法上存在缺陷,比如,在训练过程中误差收敛速度慢,对不确定的模糊信息呈现较差的性能等,这些都会影响雾霾预测的准确率。本文从提高RBF神经网络算法对雾霾预测准确性的角度出发,在传统算法的基础上进行革新,提出了新的优化算法,主要包括以下几个方面的工作和成果:（1）针对RBF神经网络的初始参数选择问题,引入人工蜂群算法优化的方法,将人工蜂群算法产生的最优解作为RBF神经网络的初始参数,设计出人工蜂群算法与RBF神经网络算法结合后的模型,验证可行性...
【文章来源】：中国地质大学(北京)北京市 211工程院校 教育部直属院校
【文章页数】：70 页
【学位级别】：硕士
【部分图文】：
M-P神经元模型图
中国地质大学（北京）工程硕士学位论文9（1）阶跃函数阶跃函数又称为阈值函数，每一个神经元的输出要么为‘0’，表示抑制状态，要么为‘1’，表示兴奋状态。二值形式的阶跃函数公式表示为：()=00,<01,≥0（2-2）函数图像表示为：图2-2阶跃函数图像阶跃函数的双极形式，又称对称型阶跃函数，公式表示为：()=01, <01, ≥0（2-3）函数图像表示为：图2-3对称型阶跃函数图像（2）线性函数()=+（2-4）函数图像表示为：图2-4线性函数图像
中国地质大学（北京）工程硕士学位论文9（1）阶跃函数阶跃函数又称为阈值函数，每一个神经元的输出要么为‘0’，表示抑制状态，要么为‘1’，表示兴奋状态。二值形式的阶跃函数公式表示为：()=00,<01,≥0（2-2）函数图像表示为：图2-2阶跃函数图像阶跃函数的双极形式，又称对称型阶跃函数，公式表示为：()=01, <01, ≥0（2-3）函数图像表示为：图2-3对称型阶跃函数图像（2）线性函数()=+（2-4）函数图像表示为：图2-4线性函数图像
【参考文献】：
期刊论文
[1]基于改进人工蜂群算法的地下水埋深预测研究[J]. 朱洪生,王继华,陈新. 人民黄河. 2020(03)
[2]基于GA-BP神经网络的“雾霾”天气预测研究[J]. 艾洪福. 绿色科技. 2019(22)
[3]基于人工免疫RBF神经网络的分类模型研究[J]. 翁权杰. 信息通信. 2018(01)
[4]支持向量机在雾霾天气预测中的应用[J]. 杜二玲,卢秀丽,窦林立. 内蒙古科技与经济. 2017(17)
[5]基于数据挖掘的雾霾预测和分析[J]. 陈嘉昊,刘佳. 制造业自动化. 2017(06)
[6]基于三次指数平滑模型的雾霾天气预测[J]. 李慧敏. 中国环境管理干部学院学报. 2017(03)
[7]2016年彭山城区环境空气质量及分布特征分析[J]. 张汝波. 环境与可持续发展. 2017(02)
[8]基于人工蜂群算法优化BP神经网络的交通流预测[J]. 李文越,周思源,庞京城. 山东交通学院学报. 2017(01)
[9]CGA优化改进型T-S模糊神经网络的三级倒立摆控制[J]. 张秀玲,郝爽,齐晴,程艳涛,侯代标. 沈阳大学学报(自然科学版). 2016(03)
[10]一种快速火灾识别方法[J]. 张永梅,杜国平,邢阔. 计算机与现代化. 2016(03)
硕士论文
[1]基于深度学习的城市雾霾预测方法研究[D]. 宋静静.长春工业大学 2019
[2]基于循环神经网络的城市空气质量预测研究[D]. 谢崇波.西南科技大学 2019
[3]基于模糊神经网络的柴油机故障预警系统研究[D]. 崔佳.江苏科技大学 2019
[4]人工蜂群算法与BP神经网络并行集成学习研究[D]. 贾凯.合肥工业大学 2019
[5]人工蜂群算法的改进及其应用[D]. 白芸.西安科技大学 2018
[6]数据挖掘技术在北京市雾霾预测及雾霾经济模型中的应用研究[D]. 周旭.内蒙古财经大学 2018
[7]RBF神经网络的优化设计及应用[D]. 钱旭升.苏州大学 2017
[8]基于RBF神经网络的港口客户价值分类研究[D]. 王颂.北京交通大学 2016
[9]基于模糊RBF神经网络的磁悬浮系统研究[D]. 戴赛.哈尔滨理工大学 2012
[10]模糊控制和自适应模糊神经网络控制在太阳能新风系统中的应用研究[D]. 肖爱林.北京邮电大学 2011
本文编号：3035359
【文章来源】：中国地质大学(北京)北京市 211工程院校 教育部直属院校
【文章页数】：70 页
【学位级别】：硕士
【部分图文】：
M-P神经元模型图
中国地质大学（北京）工程硕士学位论文9（1）阶跃函数阶跃函数又称为阈值函数，每一个神经元的输出要么为‘0’，表示抑制状态，要么为‘1’，表示兴奋状态。二值形式的阶跃函数公式表示为：()=00,<01,≥0（2-2）函数图像表示为：图2-2阶跃函数图像阶跃函数的双极形式，又称对称型阶跃函数，公式表示为：()=01, <01, ≥0（2-3）函数图像表示为：图2-3对称型阶跃函数图像（2）线性函数()=+（2-4）函数图像表示为：图2-4线性函数图像
中国地质大学（北京）工程硕士学位论文9（1）阶跃函数阶跃函数又称为阈值函数，每一个神经元的输出要么为‘0’，表示抑制状态，要么为‘1’，表示兴奋状态。二值形式的阶跃函数公式表示为：()=00,<01,≥0（2-2）函数图像表示为：图2-2阶跃函数图像阶跃函数的双极形式，又称对称型阶跃函数，公式表示为：()=01, <01, ≥0（2-3）函数图像表示为：图2-3对称型阶跃函数图像（2）线性函数()=+（2-4）函数图像表示为：图2-4线性函数图像
【参考文献】：
期刊论文
[1]基于改进人工蜂群算法的地下水埋深预测研究[J]. 朱洪生,王继华,陈新. 人民黄河. 2020(03)
[2]基于GA-BP神经网络的“雾霾”天气预测研究[J]. 艾洪福. 绿色科技. 2019(22)
[3]基于人工免疫RBF神经网络的分类模型研究[J]. 翁权杰. 信息通信. 2018(01)
[4]支持向量机在雾霾天气预测中的应用[J]. 杜二玲,卢秀丽,窦林立. 内蒙古科技与经济. 2017(17)
[5]基于数据挖掘的雾霾预测和分析[J]. 陈嘉昊,刘佳. 制造业自动化. 2017(06)
[6]基于三次指数平滑模型的雾霾天气预测[J]. 李慧敏. 中国环境管理干部学院学报. 2017(03)
[7]2016年彭山城区环境空气质量及分布特征分析[J]. 张汝波. 环境与可持续发展. 2017(02)
[8]基于人工蜂群算法优化BP神经网络的交通流预测[J]. 李文越,周思源,庞京城. 山东交通学院学报. 2017(01)
[9]CGA优化改进型T-S模糊神经网络的三级倒立摆控制[J]. 张秀玲,郝爽,齐晴,程艳涛,侯代标. 沈阳大学学报(自然科学版). 2016(03)
[10]一种快速火灾识别方法[J]. 张永梅,杜国平,邢阔. 计算机与现代化. 2016(03)
硕士论文
[1]基于深度学习的城市雾霾预测方法研究[D]. 宋静静.长春工业大学 2019
[2]基于循环神经网络的城市空气质量预测研究[D]. 谢崇波.西南科技大学 2019
[3]基于模糊神经网络的柴油机故障预警系统研究[D]. 崔佳.江苏科技大学 2019
[4]人工蜂群算法与BP神经网络并行集成学习研究[D]. 贾凯.合肥工业大学 2019
[5]人工蜂群算法的改进及其应用[D]. 白芸.西安科技大学 2018
[6]数据挖掘技术在北京市雾霾预测及雾霾经济模型中的应用研究[D]. 周旭.内蒙古财经大学 2018
[7]RBF神经网络的优化设计及应用[D]. 钱旭升.苏州大学 2017
[8]基于RBF神经网络的港口客户价值分类研究[D]. 王颂.北京交通大学 2016
[9]基于模糊RBF神经网络的磁悬浮系统研究[D]. 戴赛.哈尔滨理工大学 2012
[10]模糊控制和自适应模糊神经网络控制在太阳能新风系统中的应用研究[D]. 肖爱林.北京邮电大学 2011
本文编号：3035359
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3035359.html
