基于实数编码的遗传算法神经网络预报建模研讨.pdfVIP

基于实数编码的遗传算法神经网络预报建模研究* 吴建生 金 龙 (广西气象减灾研究所 南宁 530022 ) 摘 要 本文针对目前BP神经网络在实际气象预报应用中 网络结构难以确定以及网络极易陷 入局部解问题 用遗传算法优化神经网络的连接权和网络结构 并在遗传操作中采用实数编 码的方法和在遗传进化过程中采取保留最佳个体的方法 建立基于遗传算法的BP网络模型 以广西桂北的月降水量进行实例分析 计算结果表明 该方法预报精度高 而且稳定 关键词 BP神经网络 遗传算法 实数编码 月降水量 1问题的提出 [1] 大量的仿真实验和理论研究已经证明BP 算法是一种有效的神经网络学习算法 它具 [2] 有很强的处理非线性问题的能力 近年来它已经广泛的应用到中长期天气预报中 但在在 实际应用中 BP 神经网络也暴露出一些自身的弱点 如收敛速度慢 极易陷入局部极值点 另外神经网络的初始连接权以及网络结构的选择缺乏依据 具有很大的随机性 很难选取具 有全局性的初始点 因而求得全局最优的可能性较小 这样限制了它在实际天气预报中的应 用 遗传算法是模拟达尔文的遗传选择和自然淘汰的生物进化过程的全局性概率搜索算法 [3] 它具有自适应性 全局优化性和隐含并行性 体现出很强的解决问题的能力 充分发挥它 们的长处 将两者结合是目前一个十分活跃的研究领域[4-6] 本文将利用遗传算法来优化神 经网络的连接权和网络结构 并在进化过程中采取保留最佳个体的方法 建立基于遗传算法 的BP 神经网络预报模型 2问题的陈述 2 1神经网络的基本原理和方法 BP 神经网络是由输入层 隐层和输出层组成 对于 N 个样本集合 (x(t), y (t)) x R m , y R n , t 1, 2, , N 的离散时间序列 BP 网络可以完成从输入 到输出的高度非线性映射 即可以找到某种映射使得 F : R m R n 把全体样本分为 训练样本f 和检测样本f 1 2 f {(x (t), y (t)) x R m , y R n , t 1, 2, N , N N } 1 1 1 1 f {(x(t), y (t)) x R m , y R n , t N 1, N 2, ,N } 2 2 1 1 先利用f 建立映射关系 然后看网络对f 能否给出正确的输入 输出 如果可以 我们说 1 2 该模型可以在实际中用于预报 对于这样时间序列映射的建立 可以采用输入节点为m 个 *国家自然科学基金资助项目 输出节点为n 个 隐节点为p 个的三层BP 神经网络来实现 网络的输入与输出之间的关系 如下 p m ˆ y (t) v f [ w x (t) q ] r 3 k j k i j i j k j 1 i 1