遗传神经网络在电信业务收入预测中的应用研究.pdfVIP

商 业 彻 角 吗陷∞凰回臼宙Q蹿 目咽 弱脚0国国国固 _ 李勇平 华南理工大学工商管理学院 [摘 要]误差反向传播神经网络 (BPNN)由于优越的非线性数据处理性能以及较强的学习能力而被广泛地运用于电信 业务的预测当中。然而，神经网络常常存在着收敛于局部最优解、学习时间长等缺陷而影响其预测效果，而遗传算法(GA)是 一 种全局寻优搜索算法，能够有效克服上述缺陷。本文针对影响电信业务收入的主要 因素，将BP神经网络与遗传算法有机 结合起来，建立了相应的遗传神经网络模型用于电信业务收入预测，并利用实际数据进行效果验证。实验表明，该预测模 型具有很强的学习能力和 自适应性，其预测结果优于BP神经网络模型，而且具有 良好的泛化性。 [关键词】遗传神经网络 电信业务收入 预测 一 、 引言 网络模型。本研究中的遗传神经网络模型结构就是建立在一个三 电信业务预测是通信网络分阶段建设规划的前提条件 ，同 层前向神经网络基础之上．将遗传算法与神经网络有机地结合起 时也是规划期电信业务量和收入估算的必要条件之一。预测方 来的一种混合模型。 法的选择直接关系到预测 目标的实现和预测结果的精确程度。 网络的具体结构如图1 ． 近年来人工神经网络技术和遗传算法逐渐得到预测科学工作者 隐会麋 输出屡 的重视 误差反向传播 (BP)神经网络 已经在预测领域中得到了 { 广泛的应用，是一种由多个神经元以某种规则连接而形成的层 次网络结构 ．其基本原理是这些神经元之间 “相互协作”，它 有许多优点 ．对不完全信 ．具有 良好的适应性 ；对非线性输入 输出关系的学习更具有优越性．其描述问题的能力很强。但是 BP算法是一种基于误差函数梯度下降的学习方法，学习过程收 敛速度较慢；其次 ．BP神经网络训练开始时初始权值是随机给 定的 这对网络的训练效果也会有极大影响，甚至导致网络陷 入局部最小点。 m 遗传算法 (GA)有很好的全局搜索能力，能从概率的意义上 圈1遗传神经网络模型结构 以随机的方式寻求到问题的最优解。但另一方面，遗传算法应用 该网络分为三层 ：第一层为输入层，共有n个节点 ；第二层 中容易产生早熟现象，局部寻优能力较差，而遗传算法与神经网 为隐含层 共有m个节点；第三层为输出层 ．有一个节点。网络 络的结合可以发挥各 自的优点。本文研究采用遗传神经网络应用 的目标函数为 =-4(J— ‘，式中Y为实际输出．Y为期望输出， 到电信业务的训练中，结果表明该方法是可效的。 E为平方误差函数。 本文其它结构安排如下：第二部分为遗传神经网络模型的结 2．遗传神经网络模型的算法 构与算法介绍 第三部分为数据来源及实证结果分析；最后为本 在本模型算法当中，一种改进的遗传算法，被提出来优化模 文结论。 型结构的权值系数。该算法首先利用遗传算法善于发现最优解区 二、遗传神经网络模型结构及算法 域的特点同时．找出网络参数的最优初始值 然后再利用BP算法 1遗传神经网络模型结构 的寻优能力来搜索模型参数的最优解空间。算法具体步骤如下： 多层前向神经网络在经济领域中是被普遍运用的一种强有力 步骤 1：初始化 的学习系统 ．系统结构简单易于编程。在其具体应用中，最重要 用遗传算法来优化神经网络 ．主要是优化神经网络中神经元 的首先就是确定网络结构 而网络结构的关键在于隐含层及其结 之间的连接权 ，初始化种群P(t)。由于网络的连接权是实数 ，因 点数。研究表明，对于学习任何函数来讲