进化优化卷积网络

PM2.5预测更准

用进化算法自动设计卷积网络架构并动态调节学习率，减少人工干预的同时提升PM2.5浓度预测的精度与稳定性。

Yufei, Zhang · 王丽敏 · Zhao, Jianping · 韩旭明 · Wu, Honggang · Mingyang, Li · Deveci, Muhammet

Information Sciences 2024

参数信息

对比模型数

7

数据集数

3

误差评估指标数

3

技术优势

自动设计架构

用EBRO算法自动搜索CNN的最优框架，减少人工干预。

学习率自动调节

比例-微分控制动态调整学习率，提升训练效率和稳定性。

收敛快

EBRO算法在CEC2017基准函数上验证了强全局探索能力和快速收敛。

应用场景

• 空气质量预测：用更准的PM2.5预测支持污染管控和预警。
• 时序预测：针对高维复杂时序数据提升预测精度。
• 神经网络架构搜索：用进化算法自动设计CNN架构，免去人工试错。