来源：期刊VIP网 时间：
作者：戴诗雨;孙哲;袁凯;孙知信;
单位：南京邮电大学现代邮政学院,智慧交通学院;安徽邮谷快递智能科技有限公司;
摘要：围绕时间序列数据精准预测的问题，本研究提出了基于改进淘金算法BP神经网络的预测方法。首先，针对传统淘金优化算法（GRO）收敛速度慢、易陷入局部最优等缺陷，引入了Tent混沌映射和莱维飞行策略，分别对该算法种群初始化和迭代寻优两个阶段进行改进，并通过算法测试和方法比较，验证了改进淘金优化算法（DGRO）在解决最优化问题方面的良好的性能。然后，设置BP神经网络基本参数，并利用DGRO对BP神经网络的初始连接权重和阈值进行调整，构建了DGRO-BP模型。最后，利用某快递驿站实际处理快件量的数据集对本研究提出的模型进行测试。结果显示，DGRO-BP在诸多预测精度评价指标上相较于BP和GWO-BP等具备优越性，尤其是在平均绝对误差（MAE）指标上，DGRO-BP模型的平均绝对误差比标准BP神经网络模型低了约46.15%，证实了DGRO-BP在处理该类问题上的优势，对时间序列数据预测问题的研究具有重要意义。
关键词：淘金优化算法;;算法优化;;BP神经网络;;快递数据预测;;测试函数
