计算机工程与应用

作者：郭伟, 张鑫雷, 杨乐, 庞鑫, 杨永康

单位：西安科技大学 通信与信息工程学院，西安 710054；

关键词：回声状态网络,粒子群优化算法,强化学习,角度搜索策略

基金：国家重点研发计划（2018YFC1900800-5，2018YFC1900801）；陕西省自然科学基础研究计划陕煤联合基金（2019JLZ-08）；国家自然科学基金（62471384）；陕西省自然科学基础研究计划（2020JM-522，2021JM-396）。

针对传统回声状态网络（echo state network，ESN）储层权重随机生成导致网络预测性能波动较大的问题，提出了一种基于角度搜索策略粒子群算法（angle search particle swarm optimization，ASPSO）的ESN优化方法。该方法结合ESN储层权重优化的实际需求，在粒子群优化算法（particle swarm optimization，PSO）基础上引入角度搜索策略以增强搜索路径多样性，利用DDPG（deep deterministic policy gradient）强化学习算法实现超参数的动态自适应调整，并结合动态概率因子策略协调全局与局部搜索能力，从而有效提升ESN的收敛精度与稳定性。对人工数据集和实际瓦斯数据集进行仿真实验，结果表明所提出的ASPSO-ESN在保证预测准确率的同时，具有较高的收敛速度，验证了其在时序预测任务中的可行性与有效性。

来源：2026年第4期

《计算机工程与应用》期刊编辑部

查看计算机工程与应用杂志2026年第4期