[发明专利]一种基于聚类的优化粒子群BP网络预测方法和系统

摘要

本发明公开了一种基于聚类的优化粒子群BP网络预测方法和系统，包括：建立数据库实时存储监控器测量所得的数据；对原始数据预处理后通过聚类将相似的数据划分为一类，提高预测模型的准确性；通过优化的粒子群算法对BP网络初始权重和阈值进行赋值，相比于通过随机数对权重和阈值的初始化，本发明能够使得BP网络在避免陷入局部最优的基础上同时提升收敛速度；通过选取Sigmoid函数作为激活函数，并采用反向传播算法对BP网络权重和阈值进行更新，训练得到最终模型，输出预测结果。本发明克服了传统的回归分类等预测模型存在对非线性数据预测不准确，预测精度不高的问题，有效地提高了预测结果的准确性。

主权项

1.一种基于聚类的优化粒子群BP网络预测系统，包括计算机存储器、计算机处理器以及存储在所述计算机存储器中并可在所述计算机处理器上执行的计算机程序，其特征在于，所述计算机存储器中存有以下模块：数据库系统模块，用于存储监控器测量得到的原始数据，同时提供与其他模块之间的数据连接查询；数据预处理模块，用于在聚类分析之前对数据库系统模块的原始数据进行预处理；聚类分析模块，用于对预处理后的原始数据进行聚类类别判断，并将数据分成不同的类别；权重初始化模块，内含权重初始化模型，采用优化的粒子群算法对不同类别数据BP网络的权重和阈值进行初始化；预测模块，用于对权重初始化模块中初始化的BP网络进行训练迭代，输出最终预测结果。