一种基于BP神经网络的非线性回归分析方法.pdfVIP

计算机科学2002V01.29N0-.9(专刊) 一种基于BP神经网络的非线性回归分析方法 ’‘ TheMethodofNonlinearRegressionbasedonBPArtificialNeuralNetwork 王宜怀 王 林 苏‘州大学计算机工程系 苏州215006) Abstract Thispaperfirstlydiscussesthepossibilityofartificialneuralnetworkapplyinginthefieldofregression analysts.thenbasedonBPnetworkitanalyzesthemethodofthisapplicationandgivesanexampleofit.Asare- cult.itshowsthatthemethodofapplyingtheartificialneuralnetworkintononlinearregressionisagooddatare gr,.sstonandthismethodcanbeeasilyusedtosolvethepracticalproblems KeywordsArtificialneuralnetworks.BPnetworks,Nonlinearregression 1 引吉 2 基本思想 回归分析是数据处理与分析的重要方法之一， 回归分析就是确立和分析某种响应(因变量Y) 也是人们试图从实际测量数据中寻找某种规律的重 和重要因素吸对响应有影响的自变量Xt,Xz.X3,...I 要手段之一。在测控领域、自然现象分析领域，甚至 Xk)之间的函数关系，即力求把Y表达成X的一个 经济研究领域等方面应用广泛。传统的回归分析方 合适的函数(以一元回归为例)，使之在某种意义上 法多种多样，不同的思路和模型采取不同的拟合方 最好。为了与下面所要表述的问题易于衔接，在术语 法，有时也用几种拟合方法加以对比，从而决定采用 上，把这种函数关系表述为映射。那么，传统的回归 哪种拟合方法更适合所研究的对象。不论如何，其目 分析就是希望找到映射的具体表达式ftY=f(X), 的只有一个，寻找自然规律。但在更多的情况下，很 见图1。但是，要从大量的带有一定随机性的实验数 难找到一个普适规律，因此，能够建立一个带有参数 据样本组(Xi,Yi)I(Xz,Yt),(XY3)..,(Xk,Yk)中 的经验公式就成为回归分析的出发点。由于自然规 “回归”出映射X--Y的具体表达f的形式，通常是 律的复杂性，以现实世界为研究对象的目标系统，绝 十分困难的人们对此进行了长期的研究，提出了许 大多数为非线性系统，回归分析方法的重点在于非 多拟合方法 在一些基本函数的组合无法表达时，就 线性回归。而人工神经网络是一个具有高度非线性 用多项式进行回归，从而近似确定这种规律。从理论 的动力学系统，它在预测复杂非线性系统的行为中 上说，在多项式回归中，拟合的多项式次数越高，模 己经获得了广泛的应用，显示出它的强大生命力。在 型越准确.但实际拟合过程并非如此。甚至，有些情 经济预测、证券分析、自然现象分析、信息加密、模式 况无论怎样拟合所找出的f，相应的误差都较大，或 识别等方面获得了实际应用。随着神经网络的理论、 者对应的相关系数都比较小，就是说拟合不好。也可 算法与模型等方面研究的不断深入以及计算机计算 以说，在这种情况下，传统的回归分析方法找不到合 能力的不断提高，人工神经网络的应用范围将不断 适的f来表述映射X--Y 扩大。本文试图探讨其在回归分析方面的应用，并给 出应用方法与实例，同时给出与传统方法的简要对 比。 在人工神经网络的发展中，误差逆传播学习算 法(ErrorBack-Propagation)占有重要地位。以该算 图1传统的回归分析希望找到映射的具体表达式f 法为墓础的人工神经网络简称BP网络，它是目前 人工神经网络领域中应用最为广泛的模型之一。通 过研究发现，三层BP网络应用于回归分析具有结 构简明、表达简洁等特点，能够较好地处理一些回归 分