遗传优化的灰色神经网络模型比较研究.pdfVIP

ComputerEngineeringandApplications计算机工程与应用 2010，46(2) 41 遗传优化的灰色神经网络模型比较研究 袁景凌，李小燕，钟 珞 YUAN Jing-ling，LIXiao-yan，ZHONG Luo 武汉理工大学 计算机科学与技术学院，武汉 430070 ComputerScience and Technology School，Wuhan University ofTechnology，Wuhan430070，China E-mail：yjl@whut．edu．cn YUAN Jing—ling，LIXiao—yah，ZHONG Luo．Study and comparison on grey neuralnetwork modelswith GA optimiza— tion．ComputerEngineeringandApplications．2010。46(2)：41-43． Abstract：When combining grey system with RBF neuralnetwork localoptimization and convergence problemsare stillexisted， SO geneticalgorithm isintroduced to assistthe modeling ofgrey neuralnetwork in this paper．Genetic algorithm isemployed to solvetheparametersofimprovedGM(1，1)withLagrange’sMeanValueTheorem，twonew dynamicpredictionmodelsintegrating genetic algorithm and rgey RBF，one is a grey RBF compensation prediction GA—GRBF model，the otheris inlaid rgey neural network GRBF mode1．The new modelswith preferable structure and parameters are applied to simulation and analysisoftime— displacementdata ofwind response．The comparative experimentresults show thatthismodelis capable ofpredicting a small sampleofdata accurately，easily and conveniently． Keywords：GM(1，1)；RadialBasisFunction(RBF)；geneticalgorithm based greyRBF predictionmodel；GA—GRBFmodel； optimization；errorscompensation 摘 要：针对灰色系统结合RBF神经网络时算法存在局部最优和收敛性等问题，引入遗传算法来辅助优化灰色神经网络预测模 型。利用具有的较强全局搜索能力，且收敛速度快的遗传算法对GM(1，1)模型参数A进行高效求解，然后融合RBF神经网络和改 进的灰色GM(1，1)模型，构成两种不同结构的基于遗传算法的灰色RBF预测模型，一种是灰色RBF补偿预测模型GA—GRBF，另 一 种是灰色嵌入型GRBF模型。以某智能监控系统采集的风响应时程数据进行仿真分析，结果表明经过遗传算法优化的GRBF模 型都要优于单一的GRBF模型，并且GA—GRBF模型建模简单，预测精度高，实用性强。 关键词：GM(1，1)模型；径向基函数；基于遗传算法的灰色RBF预测模型；GA—GRBF模型；优化；残差补偿 DoI：10．3778／j．issn．1002—8331．2010．02．014 文章编号：1002—8331(2010)02—0041—03 文献标识码：A 中图分类号：TPI83 1 引言 行为而发展起来的一种优化算法，它是建立在自然选择和自然 灰色系统理论主要以 “小样本”、“贫信息”不确定性系统为 遗传学机理基础上的迭代 自适应概率性搜索算法。利用遗传算 研究对象，利用数据间的关系，来寻找系统的运动规律 ，但其较