遺傳自適應(yīng)神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)漢口東區(qū)污水量的研究.pdf

1、本文在參考現(xiàn)有預(yù)測(cè)成果的基礎(chǔ)上，探討了遺傳算法和神經(jīng)網(wǎng)絡(luò)的結(jié)合在漢口東區(qū)污水量預(yù)測(cè)的可行方法，分析了各種混合訓(xùn)練算法，建立了自適應(yīng)遺傳一人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，并進(jìn)行模擬計(jì)算、校核，使該預(yù)測(cè)方法在各城市具有一定通用性、自適應(yīng)性，并初步具備預(yù)測(cè)決策能力。 討論了我國(guó)城市污水量變化及預(yù)測(cè)的特點(diǎn)，并深入地探討了神經(jīng)網(wǎng)絡(luò)、遺傳算法理論和建模特點(diǎn)等，并應(yīng)用神經(jīng)網(wǎng)絡(luò)面對(duì)拓?fù)浣Y(jié)構(gòu)難優(yōu)化的問(wèn)題，考慮到尋找合適的網(wǎng)絡(luò)結(jié)構(gòu)的過(guò)程實(shí)際上是一個(gè)尋優(yōu)過(guò)程，

2、而進(jìn)化計(jì)算非常適合于優(yōu)化問(wèn)題，因此將進(jìn)化算法中的遺傳算法應(yīng)用于神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)。 對(duì)于標(biāo)準(zhǔn)人工神經(jīng)網(wǎng)絡(luò)BP模型算法存在的收斂速度慢和局部最小點(diǎn)問(wèn)題且受到參數(shù)選取人為因素過(guò)多的限制的問(wèn)題，通過(guò)ANN與GA的結(jié)合，用GA初始優(yōu)化網(wǎng)絡(luò)權(quán)重，克服BP算法局部收斂問(wèn)題，并引入非線性優(yōu)化理論中的變尺度方法對(duì)前向網(wǎng)絡(luò)權(quán)重進(jìn)一步優(yōu)化，以加快網(wǎng)絡(luò)收斂速度。另外針對(duì)一般遺傳算法易于過(guò)早收斂現(xiàn)象，采用了自適應(yīng)交叉和變異率技術(shù)，并在選擇算子中利用Ham