基于浣熊算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)空氣質(zhì)量指數(shù)預(yù)測(cè)模型

打開文本圖片集

摘要：隨著工業(yè)化和城市化的快速發(fā)展，空氣污染問題日益嚴(yán)重，對(duì)人類健康造成嚴(yán)重威脅，空氣質(zhì)量的監(jiān)測(cè)和預(yù)測(cè)顯 得尤為重要。由于BP（Back Propagation） 神經(jīng)網(wǎng)絡(luò)具有較強(qiáng)的非線性擬合能力，常被用于空氣質(zhì)量的預(yù)測(cè)，但BP神經(jīng)網(wǎng) 絡(luò)在訓(xùn)練過程中存在對(duì)初始權(quán)重敏感、收斂速度慢等問題。針對(duì)該問題，提出一種基于浣熊算法（Coati Optimization Al? gorithm，COA） 優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)模型（COA-BP） 。（剩余5448字）