混沌遗传神经网络在空气质量预测中的应用

为了提高对空气质量预测的准确性,提出了一种基于混沌遗传算法(CGA)的BP神经网络改进方法。BP神经网络是目前应用最广泛的神经网络,但存在收敛速度慢和易陷入极小值的缺陷。该改进算法的基本思想是用混沌遗传算法优化BP神经网络的初始权值和阈值。混沌遗传算法结合了混沌运动的遍历性和遗传算法的反演性。将混沌变量加入遗传算法中,进一步提高了遗传算法的全局搜索能力和收敛速度;将混沌遗传算法优化后得到的最优解作为BP神经网络的初始权值和阈值。利用改进后的CGA-BP算法进行空气质量预测,结果表明,该方法对空气质量的预测效果明显好于单纯使用BP神经网络的预测效果。