[发明专利]基于MPSO-BP网络的通用飞机航材需求预测方法

摘要

本发明将粒子群算法和BP网络相结合，提出了基于MPSO‑BP网络的通用飞机航材需求预测方法。首先对通用飞机航材需求的主要影响因素进行分析研究，然后介绍了BP网络的基本原理和PSO算法及PSO算法的改进策略，构建了改进粒子群算法优化BP网络的预测模型。将通用飞机航材需求的五个主要影响因素作为网络的输入，通用飞机航材的需求量作为输出，建立了输入与输出的非线性映射关系，本发明可以实现对通用飞机航材需求量的精确预测，且具有很好的非线性拟合能力和泛化能力，提高了收敛效率、降低了陷入局部极小值的可能，具有更高的预测精度，在通用飞机航材需求预测中具有良好的应用效果。

主权项

1.基于MPSO‑BP网络的通用飞机航材需求预测方法，其特征在于包括以下步骤：步骤1：对通用飞机航材需求的影响因素进行分析；步骤2：对基本PSO算法改进；步骤3：建立MPSO‑BP网络预测模型；所述步骤2包括以下步骤：步骤2.1：在基本PSO算法的基础上引入变异操作，即在粒子每次的速度和位置更新之后，以一定的概率重新初始化粒子；步骤2.2：设置线性递减惯性权重；所述步骤3包括以下步骤：步骤3.1：确定MPSO‑BP网络结构；步骤3.2：MPSO‑BP网络训练和预测；所述步骤3.2包括以下步骤：步骤3.2.1：MPSO算法参数的设定；步骤3.2.2：根据构建的BP网络的结构，计算出权值和阈值长度；根据MPSO算法将网络连接权值和节点阈值编码成实数向量来表示种群中的个体粒子，采用MATLAB中的内部函数产生种群的初始位置和速度；步骤3.2.3：根据适应度函数计算每个粒子的适应度值，通过速度和位置的不断更新迭代寻优；步骤3.2.4：粒子每次更新之后，以一定概率重新初始化粒子，通过自适应变异和不断地更新迭代求得最优解；步骤3.2.5：把MPSO得到的最优解赋给BP网络权值和阈值，设定BP网络的运行参数进行训练；步骤3.2.6：用训练好的MPSO‑BP网络进行预测，分析模型的预测效果。