利用径向基函数改进算法实现函数逼近.pdfVIP

第２６卷 第１期 桂 林 工 学 院 学 报 ２００６年１月 ２００６年１月 ＪｏｕｒｎａｌｏｆＧｕｉｌｉｎＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ Ｊａｎ２００６  文章编号：１００６－５４４Ｘ（２００６）０１－０１３６－０４ 利用径向基函数改进算法实现函数逼近 １ １ ２ ２ 杨彦军 ，陆正元 ，姚菊莲 ，田建锋 （１成都理工大学 油气藏地质与开发工程国家重点实验室，成都　６１００５９；２长庆油田分公司第一采气厂，陕西 靖边　７１８５００） 摘　要：分析了径向基函数神经网络 （ＲＢＦＮＮ）的原理，总结出径向基函数网络的一种实用插值 算法．按照此方法对实际的例子进行了计算，结果表明，本算法快捷、可靠． 关键词：径向基函数神经网络；插值；计算 中图分类号：ＴＰ１８３　　　　　　　　　　　　　文献标识码：Ａ 单的是多层前向误差逆传播神经网络 （ＢＰ网络）． ０　引　言 用泛函理论可证明具有Ｓ形曲线的三层ＢＰ网络就 人工神经网络是上世纪８０年代中后期迅速发 可逼近任意函数，但是，ＢＰ网络的计算时间很 展起来的一种数学工具，其理论及应用的研究是 长，而且对非线性问题全局最优化求解有一定的 ［１，２］ 当今世界控制界研究的热点之一．它是模拟人的 不足 ．径向基函数神经网络 （ＲＢＦＮＮ）是另 神经系统智能行为的新型信息处理系统，该网络 一种使用很广的前向无反馈神经网络，网络选择 一般包含大量的人工神经元，每个神经元的结构 的基函数具有径向对称性，适用逼近任意多变量 和功能都不复杂，但神经网络的动态行为则是十 函数及其导数值，而且与ＢＰ网相比，它计算的时 分复杂的．人工神经网络是一个自适应、非线性 间短，且具有唯一最佳逼近点． 的动态系统，具有并行计算能力、容错能力、泛 通常在地质建模中，当已知井点处的物性参 化能力，以及以任意精度逼近未知非线性对象的 数，就可以推算出结点处未知的参数值．在测井 特点，为解决未知非线性对象的控制问题提供了 解释中，需要根据已知的测井物性响应推算测井 一种有效的方法．因此，人工神经网络已被广泛 段的参数值，等等．这些问题的实质均属于多变 应用于模式识别、信号处理、人工智能等各个领 量函数的插值问题，而多变量插值应注意的问题 域． 是：起不同作用的主变、参变量问题；多个变量 当前常用的算法有：反距离加权法、样条插 变化过程中有些变量互相制约、互相影响的相关 值法、克里金插值法、人工神经网络插值法等． 变量问题；插值过程中的收敛速度问题以及所求 由于神经网络在本质上是一个分布式矩阵结构， 的解是否满足全局最优等问题． 它通过对训练数据的采掘逐步计算网络连接的权 传统的多变量插值问题可描述如下． 值，可以对难以用规则的 （或精确的）数学模型 在Ｎ维空间中，给定一个有Ｎ个不同点的集合 Ｎ ｌ 描述的非线性问题提出一个统一的数学模型，所 Ｘ Ｒ，ｉ＝１，２，…，Ｎ和它对应的函数值Ｚ Ｒ， ｉ∈ ｉ∈ 以近几年也被大量使用于函数逼近算法中，并取 ｉ＝１，２，…，Ｎ，求一个函数 Ｆ，使下列插值条件成 得很大的进展． 立： 如今用于插值的神经网络中，最直观、最简 　　　　Ｆ（Ｘ）＝Ｚ，（ｉ＝１，２，…