程序直接可以运行 是本科设计一个很好的借鉴，粒子群和遗传算法的结合，注释比较详细，还有论文辅助

Matalbpso优化bp网络程序-PSO-bp.rar 利用pso优化bp网络

摘要：提出一种短期负荷预测算法，用于解决对未来能耗周期能源使用的预测问题。首先介绍短期负荷特点，分析短期负荷运行规律，并采用零相滤波器对原始负荷曲线进行预处理，相除奇异点。其次，介绍BP神经网络基本结构，并针对BP神经网络容易陷入局部极小值的缺点，采用PSO算法确定网络训练初始权值。然后，设计一种基于PSO-BP神经网络的短期负荷预测算法，包括预滤波、训练样本集建立、神经网络输入/输出模式设计、神经网络结构确定等。最后，选择上海市武宁科技园区的电科商务大厦进行负荷预测，实验结果表明，与传统的BP神经网络相比，PSO-BP神经网络用于短期负荷预测算法的精度更高，预测负荷和实际负荷之间的平均绝对误

自己写的，编程渣渣，写的很乱，但也基本实现了，仅供参考。有朋友可以联系我相互讨论学习，

在写论文，上一些资源网站花重金购买的，害，这样分享不太好，里面含有很多代码数据材料。做这些够用了，对了是R+MATLAB+python的一些代码整合的。

基于matlab，利用pso算法的搜索能力，优化bp神经网络的阈值初始化，防止过拟合的发生。

基于改进PSO-BP神经网络的水厂原水水质预测研究，张钰鑫，龚萍，为保障城市供水安全，掌握水厂原水水质的变化趋势，对原水水质污染进行提前预警和防控，本文采用优化的神经网络模型对水厂原水化

用粒子群算法(PSO)优化BP神经网络权值的MATLAB程序,内附有详细的注释，大家可是下载学习一下。 用粒子群算法(PSO)优化BP神经网络权值的MATLAB程序,内附有详细的注释，大家可是下载学习一下。

为了有效提高混凝土抗压强度的预测精准度，利用粒子群算法优化BP神经网络初始权值和阈值，建立了混凝土抗压强多因子PSO-BP预测模型。模型以每立方混凝土中水泥、高炉矿渣粉、粉煤灰、水、减水剂、粗集料和细集料的含量以及置放天数为输入参数，混凝土抗压强度值作为输出参数，不仅可以克服BP算法收敛速度慢和易陷入局部极值的缺陷，而且模型的学习能力、泛化能力和预测精度都有了很大的提高。以UCI数据库中的Concrete Compressive Strength数据集为例进行仿真测试，结果表明：PSO-BP模型预测精度较BP、GA-BP模型分别提高了8.26%和2.05%，验证了PSO-BP模型在混凝土抗压强度预测中的有效性。

自己写的一份 基于Python利用PSO算法优化BP神经网络完成数据反演程序