一种过程神经元网络模型及其在动态预测中的应用.pdfVIP

维普资讯 大 庆 石 油 学 院 学 报 第 32卷 第4期 2008年 8月 JOURNALOFDAQINGPETROLEUM INSTITUTE Vo1．32 No．4 Aug． 2008 一 种过程神经元网络模型及其在动态预测中的应用 刘显德 ，刘立伟。，许少华 ，周 继 (1．大庆石油学院 计算机与信息技术学院，黑龙江 大庆 163318； 2．大庆油田创业集 团 井 田实业公司 ，黑龙江 大庆 163453) 摘 要：针对非线性动态系统过程预测问题，提出一种满足时变信号预测机制的过程神经元网络模型．该网络模型 的输入 ／输 出以及连接权均可以是时变函数，其空间、时间聚合运算能同时反映时变输入信号的空间聚合作用和输入过 程中的阶段时间累积效应．通过对训练 函数样本集 的学习，网络可 自动辨识动态系统的信息变换特性和输入输 出关系， 在机制上对时变信号预测问题具有 良好的适应性 ．给出基于函数基展开结合 LMS的学习算法 ，仿真实验结果验证 了模 型和算法 的有效性． 关 键 词：非线性动态系统；过程神经元网络；预测模型；学习算法；应用 中圈分类号 ：TP183 文献标识码 ：A 文章编号 ：1000—1891(2008)04—0107—04 动态系统状态预测预报在实际工程领域和科学研究中，许多系统都可 以看作是一类存在着较高的不 完整性和随机性的非线性时变问题，难 以用确定的机理模型进行描述和分析．近年来，人工神经网络作为 一 种非线性映射模型已被广泛用来解决实际预测 问题[1]，并在许多领域取得了成功的应用 ，如经济预 测 ]、电力负荷预测[5]、故障预报 等．目前应用的神经 网络模型大多是基于 MP神经元模型[7构建 的， 在实际问题处理中一般是先将连续时变信号在时域上进行离散 ，得到若干组离散时间序列值作为网络输 入，其本质上还是一种静态模型． 笔者在过程神经元基本模型[8]时空聚合运算的基础上 ，对其时间聚合运算机制进行改进 ，建立 了一种 输入 ／输出均可为时变函数的过程神经元 网络模型．该模型中过程神经元 的空间聚合算子仍为多输入时 变信号的空间加权求和运算，而时间聚合算子取为含时间变参积分，其聚合运算和激励能同时反映外部时 变输入信号的空间聚合作用和输入过程 中的阶段时间累积效应．文中分析过程神经元网络的信息传递机 制和理论性质 ，采用时间粒度分割方法给出算法步骤 ，并以化工生产过程预测问题为例验证了模型和算法 的有效性． 1 网络模型 用于动态预测的过程神经元构建为输入 ／输出、连接权 以及阈值均可以是时间函数 ，其空间聚合算子 取为多输入信号加权求和运算 ，时间累积算子取为含时间变参积分 ，其结构见图 1．其 中，X (￡)，X。(￡)，…， (￡)为过程神经元 的时变输入 函数 ，t∈[o，T](Eo，T]为 。(f) 过程输入区间)；W (￡)，W2(￡)，…，W (￡)为相应的连接权 函 砘(f) 数；∑为过程神经元的空间聚合算子；r为过程神经元的 f) 阶段时间累积算子 ；，(·)为激励 函数；(￡)为输出函数． 图1过程神经元模型 收稿 日期：2008一O3—05；审稿人 ：刘华蓥 ；编辑 ：郑丽芹 基金项 目：黑龙江省普通高等学校骨干教师创新能力资助计划项 目(1055G002)；黑龙江省 自然科学基金 (ZA2006—11)；黑龙江省科技 攻关项目(GZ07A103) 作者简介 ：刘显德(1973一)，男 ，博士生 ，副教授 ，主要从事智能诊断、数据库理论等方面的研 究． · 1O7 · 维普资讯 大 庆 石 油 学 院 学 报