基于自適應(yīng)遺傳算法的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)研究及應(yīng)用.pdf

1、隨著社會(huì)生產(chǎn)力不斷發(fā)展，預(yù)測(cè)科學(xué)倍受關(guān)注并成為各領(lǐng)域研究熱點(diǎn)。目前，預(yù)測(cè)方法有很多，使用最廣泛的是BP(Back Propagation)神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型。傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型有一定的局限性，需要進(jìn)行改進(jìn)。基于遺傳算法的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型可以用遺傳算法的全局搜索能力彌補(bǔ)BP神經(jīng)網(wǎng)絡(luò)的局部搜索能力。但是基本遺傳算法也存在不足：早熟現(xiàn)象嚴(yán)重，不易保持種群的多樣性，搜索具有一定的盲目性。這些問(wèn)題都與基本遺傳算法固定的交叉和變異概率參數(shù)有

2、直接關(guān)系。因此，將可變交叉和變異概率的自適應(yīng)遺傳算法引入BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型中，可使遺傳算法克服隨機(jī)性和盲目性，充分發(fā)揮全局搜索能力，在一定程度上避免陷入早熟。
　　 本文從目前的預(yù)測(cè)決策理論入手，分析了常用預(yù)測(cè)方法的優(yōu)缺點(diǎn)，并指出神經(jīng)網(wǎng)絡(luò)在預(yù)測(cè)中具有優(yōu)勢(shì)，尤其是BP神經(jīng)網(wǎng)絡(luò)應(yīng)用廣泛。在介紹BP神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)和學(xué)習(xí)算法的基礎(chǔ)上分析了BP神經(jīng)網(wǎng)絡(luò)存在的不足。同時(shí)對(duì)基本遺傳算法的原理和不足也進(jìn)行了分析。最后通過(guò)引入可變交叉和變異