小波神經(jīng)網(wǎng)絡(luò)參數(shù)優(yōu)化及其應(yīng)用.pdf

1、小波神經(jīng)網(wǎng)絡(luò)是小波分析理論與人工神經(jīng)網(wǎng)絡(luò)理論完美結(jié)合的產(chǎn)物，它兼容了小波分析與人工神經(jīng)網(wǎng)絡(luò)的優(yōu)越性。一方面，充分利用了小波變換的時頻局部化特性；另一方面，充分發(fā)揮了人工神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)能力，從而具有較強(qiáng)的逼近與容錯能力。但由于小波神經(jīng)網(wǎng)絡(luò)自身的結(jié)構(gòu)問題及由小波分析和人工神經(jīng)網(wǎng)絡(luò)結(jié)合時產(chǎn)生的問題，使得小波神經(jīng)網(wǎng)絡(luò)模型極易出現(xiàn)陷入局部極小或不收斂等問題。廣大學(xué)者已經(jīng)開始了對小波神經(jīng)網(wǎng)絡(luò)參數(shù)優(yōu)化問題的研究，對于該問題的研究，本文做出了以下工作

2、：
　　 1.在總結(jié)和學(xué)習(xí)前人成果的基礎(chǔ)上，從小波神經(jīng)網(wǎng)絡(luò)的構(gòu)成出發(fā)，闡述了小波神經(jīng)網(wǎng)絡(luò)的理論基礎(chǔ)，指出了它在理論和實際應(yīng)用中存在的問題，并分析了出現(xiàn)問題的原因。
　　 2.粒子群算法具有計算快速性及算法的容易實現(xiàn)性的特點，針對小波神經(jīng)網(wǎng)絡(luò)在應(yīng)用中存在的問題，提出用粒子群優(yōu)化算法優(yōu)化小波神經(jīng)網(wǎng)絡(luò)的參數(shù)的方法。建立了基于粒子群優(yōu)化算法的小波神經(jīng)網(wǎng)絡(luò)模型，并將其應(yīng)用到實踐中。
　　 建立基于粒子群算法優(yōu)化的小波神經(jīng)網(wǎng)

3、絡(luò)作物需水量預(yù)測模型。針對富錦市多年的水稻需水量資料，建立模型。通過對比發(fā)現(xiàn)模型的預(yù)測效果較單純的小波神經(jīng)網(wǎng)絡(luò)模型的預(yù)測效果好，在理論上有很大創(chuàng)新。
　　 建立基于粒子群算法優(yōu)化的小波神經(jīng)網(wǎng)絡(luò)地下水動態(tài)變化趨勢預(yù)測模型。模型的擬合情況與實際情況相符合，所以用粒子群優(yōu)化算法優(yōu)化小波神經(jīng)網(wǎng)絡(luò)模型是切實可行的，并具有實際應(yīng)用價值。
　　 3. 遺傳算法是一類借鑒生物界的進(jìn)化規(guī)律演化而來的隨機(jī)化搜索方法。主要特點是直接對結(jié)構(gòu)對象

4、進(jìn)行操作，不存在求導(dǎo)和函數(shù)連續(xù)性的限定；具有內(nèi)在的隱并行性和更好的全局尋優(yōu)能力。針對小波神經(jīng)網(wǎng)絡(luò)在應(yīng)用中存在的問題，用遺傳算法優(yōu)化小波神經(jīng)網(wǎng)絡(luò)的參數(shù)。
　　 建立了基于遺傳算法的小波神經(jīng)網(wǎng)絡(luò)模型，并將其應(yīng)用到實踐中。
　　 建立基于遺傳算法優(yōu)化的小波神經(jīng)網(wǎng)絡(luò)工程管理績效評估模型，實驗結(jié)果表明該方法的實用性，可以作為一種新方法應(yīng)用到實際中。
　　 建立基于遺傳算法優(yōu)化的小波神經(jīng)網(wǎng)絡(luò)年徑流預(yù)測模型。將模型應(yīng)用到諾敏河