[发明专利]基于BP和PSO的数据预测方法、系统及相关装置

摘要

本申请公开了一种基于BP和PSO的数据预测方法，构造了一种惯性因子周期改变公式，以快速适应周期变化的粒子位置并确定惯性因子的大小，以及另一种惯性因子动态改变公式，利用进化度数值反应PSO粒子在上一迭代周期内的运行状况，反映了在速度上进化的程度，同时利用聚合度数值反映了聚散性的特点，通过两个动态变量使得PSO粒子处于动态更新状态，共同对惯性因子进行调整。采用混合改变惯性因子的双策略，充分考虑到PSO和BP不可避免的振荡和发散特性，不断修改惯性因子的数值，可以极大的提高预测精度和收敛速度。本申请还同时公开了一种基于BP和PSO的数据预测系统、装置及计算机可读存储介质，具有上述有益效果。

主权项

一种基于BP和PSO的数据预测方法，其特征在于，包括：S1：执行PSO参数初始化操作，并利用训练样本集确定BP的网络结构；其中，所述PSO参数包括PSO粒子群的速度和位置；S2：将得到的PSO参数代入所述网络结构，计算得到所述PSO粒子群的全局最优值；S3：判断是否达到最大迭代次数或最优值误差是否小于预定误差；其中，所述最优值误差由所述全局最优值计算得到；S4：若未达到所述最大迭代次数或所述最优值误差不小于所述预定误差，判断当前迭代次数是否为首次；S5：若所述当前迭代次数为首次，则利用预设的惯性因子周期改变公式对初始惯性因子进行修正，得到消除振荡后惯性因子，并利用所述消除振荡后惯性因子更新所述PSO粒子群的速度和位置，且在更新完成后跳转至S2；S6：若所述当前迭代次数为非首次，则利用预设的惯性因子动态改变公式对所述消除振荡后惯性因子进行修改，得到消除发散后惯性因子，并利用所述消除发散后惯性因子更新所述PSO粒子群的速度和位置，且在更新完成后跳转至S2；S7：若达到所述最大迭代次数或所述最优值误差小于所述预定误差，则输出所述网络结构下的最终权值和最终阈值，以利用所述最终权值和所述最终阈值完成数据预测。