多策略融合蚁狮算法改进反向传播网络的高程异常拟合——以柴达木盆地水资源配置工程为例OA

针对现有高程异常拟合方法拟合精度低的问题,提出了多策略融合蚁狮算法(ALO)优化反向传播(BP)神经网络的高程异常拟合方法。首先通过引入双策略随机游走机制增强ALO算法全局搜索能力,并结合蚂蚁位置自适应更新策略和精英蚁狮的个体突围机制进一步提高ALO算法的参数寻优能力和效率;然后利用多策略融合ALO算法优化BP神经网络初始参数的随机获取策略,提高BP神经网络高程拟合精度与稳定性;最后以柴达木水资源配置工程为例,将该方法与BP、MVO-BP和ALO-BP等神经网络方法进行对比分析。结果表明,采用不同的拟合点时,相较于BP、MVO-BP和ALO-BP方法,该方法的外符合精度分别至少提高了17.02%、18.24%、30.45%。