基于人工神经网络的预测研究

目 录 1.引言.............................................................. 1

1.1 研究背景及意义 .............................................. 1 1.2 研究现状 .................................................... 2 1.3 主要研究方向 ............................................... 5 2.人工神经网络...................................................... 5

2.1人工神经网络的基本内容 ..................................... 5 2.2人工神经网络的基本特征 ..................................... 7 2.3人工神经网络的工作原理 ...................................... 8 2.4人工神经网络的分析方法 ..................................... 13 3. 人工神经网络BP模型............................................. 14

3.1 BP神经网络的概念 ......................................... 15 3.2 BP网络模型的类型 ......................................... 15 3.3 BP学习算法................................................. 17 3.4 BP神经网络的应用及不足 ................................... 19 4.人工神经网络RBF模型 ........................................... 19

4.1 RBF神经网络的概念 ........................................ 19 4.2 径向基函数(RBF)网络结构和模型 .............................. 20 4.3 RBF的网络学习算法.......................................... 21 4.4 RBF网络模型的优点和缺点.................................... 23 5.基于人工神经网络的空调系统故障预测............................... 24

5.1 用BP网络对空调系统故障进行预测 ............................ 24 5.2 空调系统故障诊断的RBF网络建立 ............................. 28 5.3 小结 ....................................................... 29 6. 结论............................................................ 30

6.1 结论 ....................................................... 30 6.2注意事项 ................................................... 31 6.3 人工神经网络的局限性 ..................................... 32 参考文献........................................................... 32

基于人工神经网络的预测研究

摘要：随着多媒体和网络技术的飞速发展及广泛应用，人工神经网络已被广泛运用于各种领域，本文首先介绍了人工神经网络的基本原理以及概念，然后详细介绍了反向传播算法(BP)和径向基算法(RBF)简介以及应用 ，BP是误差反传误差反向传播算法，RBF网络是一种具有3层单向传播的前馈网络。最后通过举出空调系统的故障的例子，通过建立空调系统故障的BP模型和RBF模型，网络输入输出向量及参数的选取，网络结构及训练样本的选取，网络的训练与检验，计算总结空调故障从而预测出空调故障。并对实验的结果进行了分析，得出相同的样本数和精度要求下， RBF神经网络的隐层神经元数要大大多于BP网络, 这体现在网络的复杂度要高于BP网络。最后一个部分对论文进行了总结，阐述了人工神经网络的预测的前景。

关键词：人工神经网络；BP模型；RBF模型；故障预测

1.引言

1.1 研究背景及意义

现代计算机构成单元的速度是人脑中神经元速度的几百万倍，对于那些特征明确，推理或运算规则清楚地可编程问题，可以高速有效地求解，在数值运算和逻辑运算方面的精确与高速极大地拓展了人脑的能力，从而在信息处理和控制决策等方面为人们提供了实现智能化和自动化的先进手段。但由于现有计算机是按照冯·诺依曼原理，基于程序存取进行工作的，历经半个多世纪的发展，其结构模式与运行机制仍然没有跳出传统的逻辑运算规则，因而在很多方面的功能还远不能达到认得智能水平。随着现代信息科学与技术的飞速发展，这方面的问题日趋尖锐，促使科学和技术专家们寻找解决问题的新出路。当人们的思想转向研究大自然造就的精妙的人脑结构模式和信息处理机制时，推动了脑科学的深入发展以及人工神经网络和闹模型的研究。随着对生物闹的深入了解，人工神经网络获得长足发展。在经历了漫长的初创期和低潮期后，人工神经网络终于以其不容忽视的潜力与活力进入了发展高潮。这么多年来，它的结构与功能逐步改善，运行机制渐趋成熟，应用领域日益扩大，在解决各行各业的难题中显示出巨大的潜力，取得了丰硕的成果[1]。

[1]朱大奇,人工神经网络研究现状及其展望[N].江南大学学报2004 (3):103～108.

1

目前,关于神经网络的定义尚不统一,按美国神经网络学家Hecht Nielsen的观点，神经网络的定义是：“神经网络是由多个非常简单的处理单元彼此按某种方式相互连接而形成的计算机系统，该系统靠其状态对外部输入信息的动态响应来处理信息的”。综合神经网络的来源、特点和各种解释，它可简单地表述为：人工神经网络是一种旨在模仿人脑结构及其功能的信息处理系统[2]。

正是由于人工神经网络是一门新兴的学科，它在理论、模型、算法、应用和时限等方面都还有很多空白点需要努力探索、研究、开拓和开发。因此，许多国家的政府和企业都投入了大量的资金，组织大量的科学和技术专家对人工神经网络的广泛问题立项研究。从人工神经网络的模拟程序和专用芯片的不断推出、论文的大量发表以及各种应用的报道可以看到，在这个领域里一个百家争鸣的局面已经形成。

在进行神经网络的理论研究时，人们可以将自己的神经网络模型或算法在通用的串行或并行计算机编程实现，但这只是研究的手段而绝非目的，在构造实际的神经网络应用系统时，必然要考虑到硬件实现问题，特定应用下的高性能专用神经网络硬件是神经网络研究的最终目标。

人工智能的方法和技术已经用于解决很多领域的问题，并取得了一定的成就。人工神经网络是人工智能领域的重要分支，而神经网络的硬件实现是神经网路研究的基本问题之一。从对神经网络进行理论探讨的角度，可以通过计算机仿真途径来模拟实现特定的神经网络模型或算法，但在构造神经网络的实际应用系统时，必然要研究和解决其硬件实现问题。神经网络专用硬件可提供高速度，并具有比通用串、并行高得多的性价比，所以特定应用下的高性能专用神经网路硬件是神经网络研究的最终目标。

1.2 研究现状

神经网络的硬件实现可追溯到60年代，当时有几家公司和研究机构试图用硬件来实现神经元，最为著名的便是感知机和ADALINE神经网络模型的实现。当时CornellAeronautical实验室（现在名为CALSPAN Corporation）的Rosenblatt 从理论上和实现上描述了感知机。ADALINE神经网络则是由斯坦福人学的

[2]董军,胡上序,混沌神经网络研究进展和展望[J].信息与控制,1997 (5):360～368.

2

Widrow提出的。感知机和ADALINE均为单个神经元模型，他们均能接受多路输入，并能自适应地修改与这些输入相对应的突触强度（互连权值），然而他们实现上有所不同。感知机中，其突触强度通过一种电子机械的方法来改变（通过一个电动马达的转动来改变突触强度），这种实现有许多缺点，如体积大，价格高，运行不可靠等。W …… 此处隐藏：4176字，全部文档内容请下载后查看。喜欢就下载吧 ……