粒子群優化BP神經網絡在信噪比預測中的應用研究

翟龍飛 楊沖 賈波 陳迎春

【摘要】 粒子群算法是一種仿照鳥類覓食的全局搜索算法。本文基于短波信號接收信噪比預測數據，利用粒子群算法對BP網絡參數進行算法改進，最后通過仿真測試，比較出BP網絡和PSO+BP網絡的優缺點。

【關鍵詞】 粒子群算法 BP神經網絡 信噪比預測

粒子群算法是由現實中的鳥類覓食抽象過來的，將每只鳥抽象為沒有體積與質量的粒子即尋優問題的每個解，然后將粒子分布于整個N維空間，用矢量來表示空間中的粒子位置與飛行速度。

一、粒子群算法操作

粒子群算法的操作如下：①產生群體、②計算適應度③速度和位置更新。

二、基于粒子群算法的優化分析

2.1粒子群算法優化網絡參數的具體步驟

2.2實例仿真

在MATLAB環境下編程實現粒子群算法對BP網絡參數的優化，可得粒子群算法的適應度函數變化曲線和PSO-BP網絡對短波信號接收信噪比預測值，依次如下圖2、3所示。

三、 PSO+BP神經網絡

3.1 PSO+BP算法的基本步驟

①調用短波測量管理調度系統數據庫選取數據集。②對選定的數據集進行歸一化處理和降維處理。③在初始化狀態下建立BP神經網絡。④利用PSO對BP網絡參數進行算法改進，得到改進后BP網絡的權值和閾值。⑤提供短波信號接收信噪比預測數據訓練PSO+BP神經網絡，仿真測試得出短波信號接收信噪比預測值。

3.2BP網絡與PSO+BP網絡性能分析比較

由上表數據不難發現，相較純BP網絡，基于粒子群算法的優化后的PSO+BP網絡，其性能參數MSE趨于更小，同時網絡訓練更加穩定。雖然訓練過程中，粒子群操作會增加一定的耗時，但時間增加不多，綜合考慮，選取PSO+BP網絡比BP網絡更適于系統穩定誤差小的要求。