基于人工神經(jīng)網(wǎng)絡(luò)的預(yù)測研究

作者:劉銘指導(dǎo)老師:熊朝松08級電信（2）班研究任務(wù)通過運(yùn)用人工神經(jīng)網(wǎng)絡(luò)建模，可以進(jìn)行預(yù)測事物的發(fā)展，節(jié)省了實(shí)際要求證結(jié)果所需的研究時(shí)間。論文分為六個(gè)部分，第一部分主介紹了人工神經(jīng)網(wǎng)絡(luò)的研究背景及意義；第二部分主要介紹了人工神經(jīng)網(wǎng)絡(luò)的概念，基本原理、分類和分析方法，第三部分討論了有預(yù)測能力的是BP網(wǎng)絡(luò)。而在第四部分，討論了也具有預(yù)測功能的RBF網(wǎng)絡(luò)。第五個(gè)部分通過舉一個(gè)空調(diào)故障預(yù)測的例子來展示以及對比兩種預(yù)測網(wǎng)絡(luò)的能力。最后一個(gè)部分對論文進(jìn)行總結(jié)，提出了人工神經(jīng)網(wǎng)絡(luò)預(yù)測的發(fā)展前景。參考文獻(xiàn)董軍,胡上序,混沌神經(jīng)網(wǎng)絡(luò)研究進(jìn)展和展望[J]信息與制,1997,26(5)”360-368.中國機(jī)械工程學(xué)會設(shè)備維修分會,機(jī)械設(shè)備維修問答叢書,編委會空調(diào)制冷設(shè)備維修問答.[Z]機(jī)械工業(yè)出版社.宋桂榮.,改進(jìn)BP算法在故障診斷中的應(yīng)用.[N]沈陽工業(yè)大學(xué)學(xué)報(bào),2001.23(3):252～254.韓力群,人工神經(jīng)網(wǎng)絡(luò)理論、設(shè)計(jì)及應(yīng)用..[M]北京:化學(xué)工業(yè)出版社,2002.余江海.一種制冷系統(tǒng)故障診斷方法.[C]上海交通大學(xué)碩士論文,2001.馬銳,人工神經(jīng)網(wǎng)路原理,[M]機(jī)械工業(yè)出版社.朱大奇,人工神經(jīng)網(wǎng)絡(luò)研究現(xiàn)狀及其展望,[N]江南大學(xué)學(xué)報(bào)2004.3:103～108胡金濱,唐旭清.人工神經(jīng)網(wǎng)絡(luò)的BP算法及其應(yīng)用[J].信息技術(shù),2004,28(4);1~4.智會強(qiáng),牛坤,田亮等.BP網(wǎng)絡(luò)和RBF網(wǎng)絡(luò)在函數(shù)逼近領(lǐng)域內(nèi)的比較研究[J].科技通報(bào),2005,2(2).劉永.張立毅,BP網(wǎng)絡(luò)與RFB神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)及其性能比較[J].電子測量技術(shù)研究設(shè)計(jì)。2007.4：77~80.胡守仁,余少波,戴葵,神經(jīng)網(wǎng)絡(luò)導(dǎo)[M].長沙:國防科技大學(xué)出版社,1992.內(nèi)容安排順序人工神經(jīng)網(wǎng)絡(luò)的研究背景及意義人工神經(jīng)網(wǎng)絡(luò)的概念，基本原理、分類和分析方法BP預(yù)測網(wǎng)絡(luò)RBF預(yù)測網(wǎng)絡(luò)人工神經(jīng)網(wǎng)絡(luò)運(yùn)用于空調(diào)系統(tǒng)故障的預(yù)測結(jié)論與展望人工神經(jīng)網(wǎng)絡(luò)的研究背景及意義背景：現(xiàn)代計(jì)算機(jī)構(gòu)成單元的速度是人腦中神經(jīng)元速度的幾百萬倍，對于那些特征明確，推理或運(yùn)算規(guī)則清楚地可編程問題，可以高速有效地求解，在數(shù)值運(yùn)算和邏輯運(yùn)算方面的精確與高速極大地拓展了人腦的能力，從而在信息處理和控制決策等方面為人們提供了實(shí)現(xiàn)智能化和自動化的先進(jìn)手段。當(dāng)人們的思想轉(zhuǎn)向研究大自然造就的精妙的人腦結(jié)構(gòu)模式和信息處理機(jī)制時(shí)，推動了腦科學(xué)的深入發(fā)展以及人工神經(jīng)網(wǎng)絡(luò)的研究。人工神經(jīng)網(wǎng)絡(luò)的研究背景及意義意義：人工神經(jīng)網(wǎng)絡(luò)是一種旨在模仿人腦結(jié)構(gòu)及其功能的信息處理系統(tǒng)。人工神經(jīng)網(wǎng)絡(luò)是人工智能領(lǐng)域的重要分支，而神經(jīng)網(wǎng)絡(luò)的硬件實(shí)現(xiàn)是神經(jīng)網(wǎng)路研究的基本問題之一。從對神經(jīng)網(wǎng)絡(luò)進(jìn)行理論探討的角度，可以通過計(jì)算機(jī)仿真途徑來模擬實(shí)現(xiàn)特定的神經(jīng)網(wǎng)絡(luò)模型或算法。人工神經(jīng)網(wǎng)絡(luò)的預(yù)測例子現(xiàn)在人工神經(jīng)網(wǎng)絡(luò)廣泛運(yùn)用到了各個(gè)領(lǐng)域，它的更多用法也在不斷被開發(fā)中，用它來預(yù)測事物的發(fā)展也是其中之一，而現(xiàn)在人工神經(jīng)網(wǎng)絡(luò)預(yù)測模型可通過幾個(gè)問題就能確定答題者是否感染艾滋病，以往判定出入境人員是否感染艾滋病，必須要進(jìn)行特異性血清學(xué)診斷和病原體檢測，不僅花費(fèi)時(shí)間，還需要被檢測者支付一定的費(fèi)用，因而工作比較難以開展。項(xiàng)目鑒定組組長、廣東省出入境檢驗(yàn)檢疫局衛(wèi)生檢疫處處長胡龍飛認(rèn)為，這一項(xiàng)目使得在沒有特異性血清學(xué)診斷和病原體檢測的條件下，有望在口岸疾病監(jiān)測和現(xiàn)場衛(wèi)生檢疫工作中及時(shí)發(fā)現(xiàn)性病、艾滋病高危人群，盡早切斷傳播途徑，最大限度地保障口岸安全。據(jù)了解，用這個(gè)模型研究者隨機(jī)抽取了15例梅毒患者和15例非性病患者進(jìn)行測試，結(jié)果該模型準(zhǔn)確地識別出15例梅毒病例，準(zhǔn)確率達(dá)100%。這就是人工神經(jīng)網(wǎng)絡(luò)預(yù)測的意義，通過問題建模用反向傳播算法來計(jì)算出答案，直接縮短了原本檢查需要的實(shí)驗(yàn)時(shí)間。人工神經(jīng)網(wǎng)路的原理人工神經(jīng)網(wǎng)絡(luò)是一種應(yīng)用類似于大腦神經(jīng)突觸聯(lián)接的結(jié)構(gòu)進(jìn)行信息處理的數(shù)學(xué)模型。神經(jīng)網(wǎng)絡(luò)是一種運(yùn)算模型，由大量的神經(jīng)元之間相互聯(lián)接構(gòu)成。每個(gè)神經(jīng)元代表一種特定的輸出函數(shù)，稱為激勵函數(shù)。每兩個(gè)神經(jīng)元間的連接都代表一個(gè)對于通過該連接信號的加權(quán)值，稱之為權(quán)值，這相當(dāng)于人工神經(jīng)網(wǎng)絡(luò)的記憶。網(wǎng)絡(luò)的輸出則依網(wǎng)絡(luò)的連接方式，權(quán)重值和激勵函數(shù)的不同而不同。而網(wǎng)絡(luò)自身通常都是對自然界某種算法或者函數(shù)的逼近，也可能是對一種邏輯策略的表達(dá)。人工神經(jīng)網(wǎng)路的原理人工神經(jīng)網(wǎng)絡(luò)是對人類神經(jīng)系統(tǒng)的一種模擬。盡管人類神經(jīng)系統(tǒng)規(guī)模宏大、結(jié)構(gòu)復(fù)雜、功能神奇，但其最基本的處理單元卻只有神經(jīng)元。人工神經(jīng)系統(tǒng)的功能實(shí)際上是通過大量神經(jīng)元的廣泛互連，以規(guī)模宏偉的并行運(yùn)算來實(shí)現(xiàn)的。人工神經(jīng)網(wǎng)反映了人腦功能的若干基本特性，但并非生物系統(tǒng)的逼真描述，只是某種模仿、簡化和抽象。人工神經(jīng)網(wǎng)路的原理與數(shù)字計(jì)算機(jī)比較，人工神經(jīng)網(wǎng)絡(luò)在構(gòu)成原理和功能特點(diǎn)等方面更加接近人腦，它不是按給定的程序一步一步地執(zhí)行運(yùn)算，而是能夠自身適應(yīng)環(huán)境、總結(jié)規(guī)律、完成某種運(yùn)算、識別或過程控制。神經(jīng)元也和其他類型的細(xì)胞一樣，包括有細(xì)胞膜、細(xì)胞質(zhì)和細(xì)胞核。人工神經(jīng)網(wǎng)路的原理生物神經(jīng)元的信息傳遞與處理示意圖

人工神經(jīng)網(wǎng)路的原理人工神經(jīng)元的一般模型BP網(wǎng)絡(luò)的預(yù)測BP網(wǎng)絡(luò)是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)，是目前應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)模型之一。BP網(wǎng)絡(luò)能學(xué)習(xí)和存貯大量的輸入-輸出模式映射關(guān)系，而無需事前揭示描述這種映射關(guān)系的數(shù)學(xué)方程。它的學(xué)習(xí)規(guī)則是使用最速下降法，通過反向傳播來不斷調(diào)整網(wǎng)絡(luò)的權(quán)值和閾值，使網(wǎng)絡(luò)的誤差平方和最小。BP網(wǎng)絡(luò)的預(yù)測典型的BP網(wǎng)絡(luò)結(jié)構(gòu)模型BP網(wǎng)絡(luò)的預(yù)測BP算法因其簡單、易行、計(jì)算量小、并行性強(qiáng)等優(yōu)點(diǎn),是目前神經(jīng)網(wǎng)絡(luò)訓(xùn)練采用最多也是最成熟的訓(xùn)練算法之一。BP算法的實(shí)質(zhì)是求解誤差函數(shù)的最小值問題,由于它采用非線性規(guī)劃中的梯度下降法,按誤差函數(shù)的負(fù)梯度方向修正權(quán)值。其主要思路是求出訓(xùn)練網(wǎng)絡(luò)的指標(biāo)函數(shù)誤差：BP網(wǎng)絡(luò)的不足由于學(xué)習(xí)速率是固定的，因此網(wǎng)絡(luò)的收斂速度慢，需要較長的訓(xùn)練時(shí)間。對于一些復(fù)雜問題，BP算法需要的訓(xùn)練時(shí)間可能非常長，這主要是由于學(xué)習(xí)速率太小造成的，可采用變化的學(xué)習(xí)速率或自適應(yīng)的學(xué)習(xí)速率加以改進(jìn)。BP算法可以使權(quán)值收斂到某個(gè)值，但并不保證其為誤差平面的全局最小值，這是因?yàn)椴捎锰荻认陆捣赡墚a(chǎn)生一個(gè)局部最小值。對于這個(gè)問題，可以采用附加動量法來解決。BP網(wǎng)絡(luò)的不足網(wǎng)絡(luò)隱含層的層數(shù)和單元數(shù)的選擇尚無理論上的指導(dǎo)，一般是根據(jù)經(jīng)驗(yàn)或者通過反復(fù)實(shí)驗(yàn)確定。因此，網(wǎng)絡(luò)往往存在很大的冗余性，在一定程度上也增加了網(wǎng)絡(luò)學(xué)習(xí)的負(fù)擔(dān)。網(wǎng)絡(luò)的學(xué)習(xí)和記憶具有不穩(wěn)定性。也就是說，如果增加了學(xué)習(xí)樣本，訓(xùn)練好的網(wǎng)絡(luò)就需要從頭開始訓(xùn)練，對于以前的權(quán)值和閾值是沒有記憶的。但是可以將預(yù)測、分類或聚類做的比較好的權(quán)值保存。RBF的網(wǎng)絡(luò)預(yù)測RBF神經(jīng)網(wǎng)絡(luò)是一種具有拓?fù)浣Y(jié)構(gòu)的前向神經(jīng)網(wǎng)絡(luò)．由輸入層、隱含層、輸出層構(gòu)。RBF神經(jīng)網(wǎng)絡(luò)以徑向基函數(shù)作為隱層單元的基,構(gòu)成隱含層空間,隱含層對輸入矢量進(jìn)行變換將低維的模式輸入數(shù)據(jù)變換到高維空間內(nèi),使得在低維空間內(nèi)的線性不可分問題在高維空間內(nèi)線性可分。RBF模擬了人腦中局部調(diào)整、相互覆蓋感受野，因此是一種局部逼近網(wǎng)絡(luò)，科學(xué)界已經(jīng)證明它能以任意精度逼近任意函數(shù)。RBF網(wǎng)絡(luò)結(jié)構(gòu)圖RBF網(wǎng)絡(luò)輸入層：隱層：