基于遺傳算法的模糊優(yōu)選bp絡模型及其應用

1、基于遺傳算法的模糊優(yōu)選BP網絡模型及其應用陳守煜1，王大剛1(1.大連理工大學土木水利學院，遼寧大連116024)摘要：摘要：在模糊優(yōu)選BP神經網絡模型的基礎上，引入遺傳算法，提出融入遺傳算法的模糊優(yōu)選神經網絡預測模型，是對模糊優(yōu)選BP神經網絡模型的進一步發(fā)展。其基本思路是：在BP算法訓練網絡出現收斂速度緩慢時啟用遺傳算法優(yōu)化網絡的運行參數，把優(yōu)化的結果作為BP算法的初始值再用BP算法訓練網絡，這樣交替運行BP算法和遺傳算法，直到達到問

2、題要求的精度。在新疆雅馬渡站年徑流量的預報中，預測模型在預報精度和算法的收斂速度方面都達到了較好的效果。關鍵詞：關鍵詞：模糊集；神經網絡；遺傳算法；徑流預測中圖分類號：中圖分類號：P338文獻標識碼：文獻標識碼：A人工神經網絡以其獨特的非線性、非凸性、自適應性和處理各種信息的能力，廣泛應用于水文分析和水文預測[12]。陳守煜將模糊優(yōu)選模型同神經網絡有機地結合起來，提出模糊優(yōu)選神經網絡模型，激勵函數的物理意義清晰直觀[34]。遺傳算法是模

3、擬生物在自然界環(huán)境中遺傳進化過程的一種自適應全局優(yōu)化概率搜索算法，具有簡單通用、魯棒性強、適于并行處理的優(yōu)點。如何把模糊集理論、神經網絡和遺傳算法有機地結合起來，既能用模糊概念來表達人的知識和經驗，又可利用神經網絡較強的學習能力，還能結合遺傳算法全局搜索的特點，在這方面的工作還不多見。本文在模糊優(yōu)選BP神經網絡模型的基礎上，引入加速遺傳算法(RAGA)，提出融入遺傳算法的模糊優(yōu)選神經網絡預測模型，是對模糊優(yōu)選BP神經網絡的進一步發(fā)展。在

4、新疆伊犁河雅馬渡站年徑流量預報的應用中，取得了良好的效果。1模糊優(yōu)選BP神經網絡模型[4]設模糊優(yōu)選BP神經網絡的輸入層節(jié)點數為m(預報因子數)，輸出層節(jié)點數為1(預報對象數)。為表述方便，用i表示輸入層節(jié)點，k表示隱含層節(jié)點，p表示輸出層節(jié)點。輸入層節(jié)點i將信息直接傳遞給隱含層節(jié)點，節(jié)點輸出與輸入相等。網絡隱含層節(jié)點k和輸出節(jié)點p的激勵函數均采用模糊優(yōu)選模型。對隱含層的節(jié)點k其輸入為(1)(7)輸入層節(jié)點與隱含層節(jié)點的連接權重調整量Δ

5、wik為(8)式中(9)權重調整公式為wik(t1)=wik(t)Δwik(t1)αΔwik(t)(10)wkp(t1)=wkp(t)Δwkp(t1)αΔwkp(t)(11)式中：α為動量系數，且0α1。應用上述模型，并根據通常神經網絡的迭代算法，可確定網絡的連接權重值，使實際輸出與期望輸出的誤差最小。3基于遺傳算法的權重優(yōu)化算法遺傳算法作為一種全局優(yōu)化搜索算法，因其簡單通用、魯棒性強，適于并行處理，已廣泛應用于不同領域[5