改进的小波神经网络在桥梁损伤中的预测研究.pdf

改进的小波神经网络在桥梁损伤中的预测研究 潘 吴，黄 媛 PAN Hao，HUANG Yuan 武汉理工大学 计算机科学与技术学院，武汉 430070 College ofComputerScience，Wuhan UniversityofTechnology，Wuhan 430070，China E—mail：panhao@whut．edu．cn PAN Hao，HUANG Yuan．Improved waveletneuralnetworksin damage ofbridge forecasting．Computer Engineering and AppHcations，2010。46(3)：204—206． Abstract：Theimprovedalgorithm ofWaveletNeuralNetworks(WNN)basedonBPisproposed．Theoreticalanalysisandsimulation resultshow itavoidsboth the blindness offramework designsforBP NeuralNetworksand the problem ofnonlinearoptimiza— tions，such aslocaloptimization．Soitcan simplify the trainingofNeuralNetworks．Ithasbetterabilities in functionlearning and generalization．Thisalgorithm isapplied to thedamageofbridgeforecasting．Therefore ithaswideapplication prospect． Keywords：BPNeuralNetwork；WaveletNeuralNetworks(WNN)；improvedalgorithm；damage 摘 要：提出基于BP算法的小波神经网络改进算法。仿真结果表明它避免了BP神经网络结构设计的盲 目性和局部最优等非线 性优化 问题 ，简化 了训练，具有较强的函数学习能力和推广能力。该算法成功应用于桥梁损伤-N~．q，具有广泛的应用前景。 关键词：BP神经网络；小波神经网络；改进算法；损伤 DOI：10．37786．issn．1002—8331．2010．03．063 文章编号：1002—8331(2010)03—0204—03 义献标识码：A 中图分类号：TP183 1 概述 速度 ，应使输入层与隐层值之间的权值调节量和隐层与输出层 小波神经网络Ⅲ(WaveletNeuralNetwork，WNN)是基于小 之问权值调节量在同一个数量级内，使他们对网络训练有同等 波分析所构造的一种新的神经网络模型 ，其基本思想是：用小 的贡献，协调一致地加快网络训练的速度。 波元 代替神经元，即用已定位的函数作激励函数，通过仿射变 2．1 基于小波网络的BP权值平衡算法 换建立起小波函数代替Sigmoid函数作激励函数，通过仿射变 设X为输入模式向量；为输出模式向量；，．，为隐含层到 换建立起小波变换与网络参数之间的联系。它结合小波变换所 输出层的权值 ；w 为输入层到隐含层的权值。 具有的良好的高频域时间精度、低频域频率精度的性质和神经 输入层、隐含层及输出层的神经元个数分别为m、n、Ⅳ个 ， 网络的自学习功能，因而具有较强的逼近、容错能力。当然，小 于是在 t时刻： 波网络也存在不足之处 ：构造比较复杂 ，相比BP网络而言，小 r n r m 1 1 yi(￡)=fj∑Wtkl ∑w(￡)ff (1) 波网络的运算复杂度增加了；而且高维小波网络映射学习时容 =o L k=O J 易产生 “维数灾”问题。 ()：一