基于遗传算法的城市生活垃圾热值BP神经网络预测模型研究.pdfVIP

计算机科学2006V01．33NQ．9(专辑) 基于遗传算法的城市生活垃圾热值BP神经网络预测模型研究*) 王海瑞1 王 华2 (昆明理工大学信息及自动化学院 昆明650093)1(昆睨理工大学研究生院 昆明650093)2 摘要城过市生活垃圾的热值对于垃圾焚烧炉的燃烧效率的影响是非常重要的，垃圾的热值通过化学成份获 得，通常采用卡路里检测获得，在本分析中，对垃圾物理成份和低热值之间的关系进行了研究，反向神经网络可以 用于从垃圾物理成份中预测出垃圾的低热值，分析的结果表示，利．用BP神经网络预测垃圾低热值的方法比常规方 法要好。 关键词遗传算法，生活垃圾，BP神经网络 人类社会的进步和经济的发展是垃圾产生和积 1相关理论基础 累的主要原因，生活垃圾处理不当会对环境产生污 染，在发展中国家最常用的垃圾处理方法之一是垃 遗传算法是模拟生物在自然环境下的遗传和进 圾填埋法，然而由于填埋造成的土地资源的短缺的 化过程而形成的一种自适应全局优化搜索算法。遗 问题以及环境问题，此种方法必须被改进或被其他 传算法最大的特点是允许在没有派生信息介入的情 处理方法替代。 况下寻找有效的控制规则，或基于不同适应度函数 很容易采用各种各样的处理方法从垃圾中恢复 的最优神经网络模型，这种能力在许多最优控制算 能源如垃圾的直接气化熔融焚烧发电技术，垃圾的 法中体现并不明显。所以，本文第一步分析主要研 成份复杂，与地区和一年中的时间有关，此外，垃圾 究神经网络与遗传算法集成的优点用于提高计算效 的成份是社会经济和气候条件的函数，垃圾焚烧厂 率。神经网络用于表示状态函数的特点或行为，遗 中锅炉蒸汽效率主要与垃圾的热值有关，为了获得 传算法用于搜索最具代表性的神经网络模型结 恰当的燃烧控制，预测垃圾的热值是非常重要的。 构闽。 可以通过检测垃圾中的化学成份获得垃圾的热值， 一个典型的神经网络模型包括三种类型的层 由于垃圾成份的复杂性，很难知道相互之间的关 次：输入层、隐层和输出层，各独立层由多个神经元 系E1,2]。 构成。输入层和输出层作为神经网络和外部环境之 当使用不精确的数据时，最常用的模拟退火模 间的接口，相邻两层神经元之间通过可调权值相连 型无法从新数据中学习并且这些方法的精确度很 接。每个神经元以加权和形式综合它的全部或部分 低，基于神经网络的优点，譬如使用一些隐藏在数 输入，并根据非线性激励函数的形式产生输出。被 据中信息。设计了一个三层前馈神经网络并通过 广泛应用的神经网络是基于反向传播神经网络 BP学习算法进行训练来预测垃圾的热值。由于BP(BPN)。输入层的神经元输入数据，隐层和输出层 网络的简单性和提取能力，使得BP网络成为前向 执行两种计算。输入到隐层包括一个n维向量X 反馈神经网络最常用的学习算法[3] 和值为1的阈值。每个输人分配有一个权值砌¨所 由于常规预测技术的局限，在选择适用的模型 有输入权值的总和Si，可用下式计算而得： 之前，必须确定合理的输入输出关系。神经网络模 Sj—i蚤w,jxi一岛 (1) 型的显著特点是神经网络包含有大量相互连接的具 xi是输入向量，口i是隐层中第．H申经元的阈值，隐 有并行分析能力、与人类思维结构相似的可训练性 和非线性逼近能力的计算单元。可以灵活地将各种 得： 各样的拓扑结构、功能和训练算法分配给网络以研 究不同的问题。找到最佳神经网络模型结构是费时 f(sj)=Hj一志 (2) 的、繁琐的和低效的。所以，选择过程必须依靠半经