小波神經(jīng)網(wǎng)絡(luò)及其在環(huán)境系統(tǒng)建模中的應(yīng)用.pdf

1、人工神經(jīng)網(wǎng)絡(luò)、小波分析的研究是當(dāng)代信息科學(xué)技術(shù)的前沿和熱點(diǎn)，對于復(fù)雜系統(tǒng)的建模和預(yù)測具有重要的理論和應(yīng)用價值。小波神經(jīng)網(wǎng)絡(luò)是近年來得到迅速發(fā)展并形成研究熱潮的時間序列分析新技術(shù)，它將小波變換良好的時頻域化特性和神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)功能相結(jié)合，因而具有較強(qiáng)的逼近能力和容錯能力。在結(jié)合方法上，可以將小波變換作為前饋神經(jīng)網(wǎng)絡(luò)的輸入前置處理工具，形成松散型小波神經(jīng)網(wǎng)絡(luò)；或者將尺度函數(shù)(或小波母函數(shù))作為基函數(shù)構(gòu)造神經(jīng)網(wǎng)絡(luò)形成緊致型小波神經(jīng)網(wǎng)絡(luò)。本文

2、首先從小波分析理論出發(fā)構(gòu)造緊湊型小波神經(jīng)網(wǎng)絡(luò)，并對傳統(tǒng)的小波神經(jīng)網(wǎng)絡(luò)算法進(jìn)行了改進(jìn)，從而避免了傳統(tǒng)算法網(wǎng)絡(luò)結(jié)構(gòu)確定效率低的缺點(diǎn)，并有效的改善了網(wǎng)絡(luò)的學(xué)習(xí)性能。針對傳統(tǒng)多維小波神經(jīng)網(wǎng)絡(luò)存在的“維數(shù)災(zāi)”問題，提出了一種新型結(jié)構(gòu)的多維小波神經(jīng)網(wǎng)絡(luò)，其主要特點(diǎn)是在網(wǎng)絡(luò)的輸出層將各維輸入的小波重構(gòu)相乘，從而使尺度函數(shù)族能夠自動覆蓋整個輸入空間。針對樣本數(shù)據(jù)出現(xiàn)缺損和不均勻時，等分辨率算法很難獲得理想的逼近效果，研究了緊湊結(jié)構(gòu)的非等分辨率算法，并將

3、之應(yīng)用于在環(huán)境系統(tǒng)建模中對缺損氣象數(shù)據(jù)缺的補(bǔ)償。研究了“分解-重構(gòu)-預(yù)測”松散型小波神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和算法，并將之應(yīng)用于哈爾濱冬季大氣二氧化氮濃度預(yù)測模型，分析了其在大氣二氧化氮濃度預(yù)測中的優(yōu)勢所在。分析了大氣二氧化氮濃度預(yù)測模型應(yīng)選取的輸入量，并對用于建模的數(shù)據(jù)進(jìn)行了離群數(shù)據(jù)挖掘和處理、消噪和歸一化處理。最后，分別采用本文的新型結(jié)構(gòu)的多維小波神經(jīng)網(wǎng)絡(luò)和松散型小波神經(jīng)網(wǎng)絡(luò)以及傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)，建立了哈爾濱冬季大氣二氧化氮濃度預(yù)測模型，通過