基于人工神经网络参数灵敏度分析模型.docVIP

基于人工神经网络参数灵敏度分析模型 　　摘 要：通过人工神经网络算法与参数灵敏度分析的结合，找到了一种新的工程系统功能模拟和变化分析方法。神经网络可以有效地解决复杂、非线性系统的功能模拟问题，其传递函数的可微性为参数灵敏度矩阵的求解提供了保证，从而方便寻找系统输入属性与输出属性之间的影响因子。同时，该模型具有良好的扩展性，可以更加全面地考虑系统影响因素。经实例仿真分析表明：该方法在工程分析方面，能够快速找到属性之间的关联程度，得到准确、稳定的分析结果，满足工程分析需求。 　　关键词：神经网络； BP 算法； 感知器； 灵敏度分析 　　中图分类号：TP183文献标志码：A 　　文章编号：1001-3695(2009)06-2279-03 　　doi:10.3969/j.issn.1001-3695.2009.06.085 　　 　　Parameter sensitivity analysis based on artificial neural network 　　YU Ji-hui, WEI Jun-tao, PENG Guang-jin, WANG Ying 　　(State Key Laboratory of Power Transmission Equipment System Security New Technology, Chongqing University,Chongqing 400030,China) 　　Abstract: 　　studied new method of function simulation and analysis based on the combination of artificial neural network and parameter sensitivity analysis. Neural networks algorithm Could solve the function simulation problem of complex, nonlinear system effectively. The differentiability of the transfer function provided a guarantee to solution of sensitivity matrix, and made the searching for the impact between the input and output attributes. Meanwhile, the model had a good scalability, could be better to consider a comprehensive system factor. The conclusion shows that the method can find out correlation degree of attributes quickly and obtain a result ideally at the aspect of engineering analysis system. 　　Key words：neural network; BP algorithm; perceptron; sensitivity analysis(SA) 　　 　　0 引言 　　 　　?ニ孀派缁岷图际醯慕?步，大系统工程的出现在所难免，从而使工程系统及其变化分析变得越来越复杂。工程系统成为一个有众多影响因素和多目标输出的复杂非线性问题。针对工程系统进行有效计算和变化分析变得费时、费力，又常常得不到理想结果。如何能够找到一种简化、高效的数学模型对工程系统进行功能模拟和变化分析就迫在眉睫。 　　?ザ杂诟丛酉低车哪Ｄ猓?随着智能算法研究的深入，新算法不断出现。较为常见的智能模拟方法有神经网络[1，2]、遗传算法[3]、小波分析[4]等。而目前最为常用的神经网络算法，提出类似于人脑神经元的连接方式来决定系统的自适应、非线性和并行处理能力，从而对系统进行模拟。针对系统变化的分析，Salitelli等人提出参数灵敏度(SA)[5,6]模型，研究数学模型的输出变化如何根据输入源的变化进行定量或定性的分配。本文通过神经网络与灵敏度分析的结合，利用已知的系统输入参量，实现对系统工程的输出预测；同时，分析系统输入输出之间的变化关系，从而实现利用数学模型对系统进行分析模拟的目标。 　　 　　1 基于神经网络的灵敏度分析方法 　　 　　1.1 神经网络的映射机制 　　?ド窬?网络能够模拟复杂的非线性系统，关键在于其网络拓扑结构与学习算法的合理搭配[7]。对于在监督