第３７卷第１期２０２３年１月北京测绘ＢｅｉｊｉｎｇＳｕｒｖｅｙｉｎｇａｎｄＭａｐｐｉｎｇＶｏｌ．３７Ｎｏ．１Ｊａｎｕａｒｙ２０２３引文格式：张宇，贺小星，孙喜文．基于改进的粒子群优化神经网络算法的海平面变化预测分析［Ｊ］．北京测绘，２０２３，３７（１）：１３１⁃１３６．Ｒｅｆｅｒｅｎｃｅｆｏｒｍａｔ：ＺＨＡＮＧＹｕ，ＨＥＸｉａｏｘｉｎｇ，ＳＵＮＸｉｗｅｎ．Ｐｒｅｄｉｃｔｉｏｎａｎｄａｎａｌｙｓｉｓｏｆｓｅａｌｅｖｅｌｃｈａｎｇｅｂａｓｅｄｏｎｉｍｐｒｏｖｅｄｓｗａｒｍｓｔｒａｔｅｇｙｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｚａｔｉｏｎ［Ｊ］．ＢｅｉｊｉｎｇＳｕｒｖｅｙｉｎｇａｎｄＭａｐｐｉｎｇ，２０２３，３７（１）：１３１⁃１３６．ＤＯＩ：１０．１９５８０／ｊ．ｃｎｋｉ．１００７⁃３０００．２０２３．０１．０２４［收稿日期］２０２２⁃０８⁃０８［基金项目］国家自然科学基金（４２１０４０２３，４１９０４００２）；江西理工大学高层次人才科研启动项目（２０５２００１００５６４，２０５２００１００５８８）；江西理工大学大学生创新创业训练资助项目（２０２２１０４０７０３２）［作者简介］张宇（２００１—），男，江西南昌人，本科在读，研究方向为ＧＮＳＳ数据分析与处理。Ｅ⁃ｍａｉｌ：２２５１２６８２６０＠ｑｑ．ｃｏｍ［通信作者］孙喜文，Ｅ⁃ｍａｉｌ：１０１４７９８２２７＠ｑｑ．ｃｏｍ基于改进的粒子群优化神经网络算法的海平面变化预测分析张宇１贺小星１孙喜文２（１．江西理工大学土木与测绘工程学院，江西赣州，３４１０００；２．东华理工大学测绘工程学院，江西南昌，３３００１３）［摘要］针对验潮站潮位预报的需求，提出一种基于分群策略的粒子群优化神经网络（ＳＳＰＳＯ⁃ＢＰ）的预报方法。该方法通过建立多个不同功能且具有交流能力的智能粒子群，经ＳＳＰＳＯ和ＢＰ的两次优化，构建潮高预报模型。实验研究表明，ＳＳＰＳＯ⁃ＢＰ模型在Ｏｇａ站的潮位资料上高、低潮位间的时刻基本保持一致，高潮时刻最大潮高差为７．３７ｃｍ，低潮时刻最大潮高差为４．２１ｃｍ，该模型比标准ＢＰ神经网络及ＰＳＯ优化神经网络在准确度和精度上有了很大的提高，其平均绝对误差、均方误差相较于ＢＰ神经网络分别提升了１６．２％、７９．２％，相较于ＰＳＯ⁃ＢＰ神经网络提升了１３．９％、７９．６％。［关键词］ＢＰ神经网络；分群策略；变异算子；ＳＳＰ...
