本课题是在BP神经网络温度预测的基础上进行优化,加入PSO算法,结果中R^2、MSE等参量明显比BP神经网络单独预测效果好的许多。
本课题是在BP神经网络温度预测的基础上进行优化,加入PSO算法,结果中R^2、MSE等参量明显比BP神经网络单独预测效果好的许多。
风能预测是可再生能源领域的重要研究方向之一。为了提高风能预测的准确性,我们采用了粒子群算法(PSO)优化支持向量机(SVM)的方法。首先,通过DBCAN算法提取了风能异常数据,并利用KMEANS算法对
遗传算法资源优化的一些论文-资源优化模型及遗传算法.pdf最近学习收集了遗传算法资源优化的一些论文,传上来遗传算法在工程项目资源优化中的应用.pdf遗传算法在网络计划资源优化中的应用.pdf利用遗传算
结合粒子群算法的神经网络预测模型,张煌,梁朋,股票数据量大,走势不稳定,峰值尖锐且通常噪声较多这些因素都给预测带来了一定的难度,因此目前现有的单一预测模型往往准确率较�
使用前需要下载matlab的支持向量机的工具箱,百度上有,结合粒子群算法进行LSSVM的参数寻优。
使用一种预测模型对一问题进行预测时,往往只是考虑了该问题所具有的许多侧面中某一个或某几个。使得一种预测模型刻画研究对象的未来发展规律往往会存在着一定的局限性。所以在已经研究出得在众
对云计算任务调度进行了研究,针对用户满意度和云提供商利益需求,提出一种融合粒子群和遗传算法的PSOGA改进算法。首先根据云环境特点对虚拟机资源进行分类,同时引入任务‐资源满意度距离、资源综合性能概念；
利用极限学习机和粒子群优化算法同时对小波优化,然后对有效停车泊位进行预测,仿真表明预测精度提高
如果在代的演化过程中,遗传算法保留最好的解,并且算法以杂交和变异作为随机化算子,则对于一个全局优化问题,随着演化代数趋向于无穷,遗传算法将以概率1找到全局最有解
