计量学报

作者：李长安,卢雪琴,吴忠强,张立杰

单位：1. 燕山大学先进锻压成形技术与科学教育部重点实验室,河北 秦皇岛 066004; 2. 燕山大学河北省重型机械流体动力传输与控制重点实验室,河北 秦皇岛 066004; 3. 神华天津煤炭码头有限责任公司, 天津 300457;

关键词：计量学;港口吞吐量;蚁群算法;BP神经网络;AC-BP预测模型

利用蚁群算法优化反向传播神经网络的初始权值、阈值,建立预测模型,对港口货物吞吐量进行预测。蚁群算法具有全局搜索能力,分布式计算和鲁棒性强等特点,有利于加快反向传播神经网络的收敛速度,避免易陷入局部极值的问题,提高建模精度。在港口吞吐量预测中的应用表明:蚁群算法优化BP神经网络模型、模糊神经网络预测模型、RBF预测模型及BP预测模型的平均绝对百分比误差分别为2.826%、3.734%、4.990%和6.566%;同时,蚁群算法优化BP神经网络模型收敛速度最快。与传统BP神经网络、RBF网络及模糊神经网络相比,蚁群算法优化BP神经网络模型、模糊神经网络预测模型、RBF预测模型及BP预测模型的平均绝对百分比误差分别为2.826%、3.734%、4.990%和6.566%。

来源：2020年第11期

《计量学报》期刊编辑部

查看计量学报杂志2020年第11期