基于遗传算法和BP神经网络的中厚板凸度预报研究.pdfVIP

《冶金自动49}2006年增刊(S2) 基于遗传算法和BP神经网络的中厚板凸度预报 王冬菊，姚小兰 (北京理工大学信息科学技术学院，北京100081) [摘要】针对建立具有足够精度的中厚板凸度的数学预报模型非常困难，本文结合遗传算法和BP神经网络各 自的优点，提出采用三层神经网络辨识中厚板凸度预报模型。先用遗传算法进行全局寻侥，再用BP算法进行 精确训练。实验结果表明，该方法建立的预报模型预报精度高，速度较快，具有很好的实用性。 [关键词】凸度；神经网络；BP算法；遗传算法 O引言 网络输出层的误差平方和达到预期目标。 凸度是衡量钢板质量的一个重要指标，由于 训练网络的指标函数是 钢板轧制过程的复杂性，使得建立具有足够精度 的凸度数学预报模型变得十分困难。人工神经网 ． Ep=赤等莩(#皿一。吐)2 式中，P为训练用标准样本数；J|2为输入变量总数； 络和遗传算法避开了传统数学模型的思维和处理 方法。BP神经网络是人工神经网络的重要模型 ‘pk为输人为机时网络的实际输出；0pk为输入为 名k时网络的期望输出。采用梯度下降法使上式最 之一，可以解决很多非线性问题，甚至在实测资料 不完备的情况下也可以进行模型构建。遗传算法 小，权值修正项采用： 是一种模拟生物界自然选择和自然遗传机制的随 △吩(n+1)=叩×荒+口×△吩(n) 机搜索算法，通过一代又一代不断进化直至寻找 式中，△％(凡+1)为本次的权值修正量；△耽(n) 到最优解，是一种求解问题的高效并行的全局搜 是上一次的权值修正量；叩是学习因子，牮是惯性 索方法。 因子，两参数取值均在(0，1)之间。 遗传算法和BP神经网络都适合对非线性问 2遗传算法(GA)【卜2】 题求解，但都有其不足之处。BP算法采用梯度下 遗传算法的特点是群体搜索策略和群体中个 降法，易于陷入局部极小，收敛速度慢；遗传算法 体之间的信息交换。其操作对象为群体中的全部 虽可以进行全局搜索，但局部搜索能力远不如BP 个体，对所求问题的解空间进行编码，通常采取选 算法，易于“早熟”。因此考虑将两种算法结合起 择、交叉、变异操作寻找全局最优解。一般情况 来，结合各自的优点，对中厚板凸度预报模型进行 下，应用遗传算法寻找最优解包括以下基本操 辨识。 作[3州： 1 BP网络和BP算法 (1)初始群体的确定及变量编码。采用快速 BP网络等同于多层感知器网络，采用反向传 而有效的方法生成一组在解空间范围的候选解作 播算法二一BP算法。典型的BP网络由输入层、 为初始群体。每一个初始解用一个编码串表示。 隐藏层和输出层组成，各层之间无反馈连接。 编码方式有很多种，通常采用二进制或实数编码。 BP算法是有导