径向基函数神经网络在过程建模中的研究与应用.pdfVIP

北京化工大学硕士学 ＆论文 。。。。……………． 摘要 ◆， ≯‘ 、r BasisFunctionNeuralNetwork，以下简 径向基函数神经网络(Radial 称RBFN)是一种具有单隐层的三层前馈神经网络。由于RBFN能够以任 意精度逼近任意连续函数，它已经被广泛地应用于函数逼近、模式分类和 预测等领域，并且取得了不错的应用效果。本文主要研究RBFN的训练 算法以及它在过程建模中的实际应用。本文的研究分为算法研究和算法改 进及应用两个阶段。 在算法研究阶段，根据项目要求，通过对大量国际前沿文献的阅读和 研究，运用一维函数逼近和时间序列预测两个仿真实例对四种常用算法进 行比较，从而选择了一种结构合理、算法快速、精度适中的算法，然后将 例对代码进行检验。在算法改进及应用阶段，研究RBFN在电力系统负 荷预测领域中的应用。以往常用的传统Ⅳ均值聚类算法具有最优解严重依 赖于初值和不能解决聚类数目的缺陷，为了克服这两大固有缺陷，本文采 用一种逐步增加聚类数目的思路，提出了一种快速的自适应聚类算法，并 在预测时综合考虑日期类型和环境因素。预测实例表明：该算法不仅提高 了RBF网络的训练效率，且可获得更高的预测精度，具有较好的实用性。 关键词：径向基函数神经网络，建模，电力负荷，预测 Theresearch and ofRadial BasisFunction application Neural Networkin process modeling ABSTRACT √村 RadialBasis FunctionNeural onekindof forward Network(RBFN)is neural hasthree network，which with one layers hidden RBFN only layer．For can continuousfunction approximate with any hasbeen anyprecision，itused to fields as many function broadly,such approximation，patternclassify, andSO ithas forecastingon，and