基于PSO算法的MLP神经网络模型预测水文流的方法

本发明公开了基于PSO算法的MLP神经网络模型预测水文流的方法，包括以下步骤：步骤S1：收集水文流数据，并对水文流数据进行预处理；步骤S2：构建MLP神经网络模型，将水文流数据输入到MLP神经网络模型中进行迭代训练；步骤S3：使用PSO算法优化MLP神经网络模型的权重和偏差参数。在步骤S1中，采用四分位数法检测并处理水文流数据中的异常值，采用线性插值或均值填充的方法来填充水文流数据中的缺失值，并使用滑动平均法去平滑水文流数据。本发明基于PSO优化算法优化了MLP模型，并将其应用于水文流动态预测领域，能够解决MLP神经网络模型收敛速度慢以及容易陷入局部优化的问题。