神经网络模型的预测精度影响因素分析及其优化

• 来源期刊: 模式识别与人工智能
• 学科: 物理学
• 关键词: 预测 神经网络 模型 影响因素 遗传算法 优化
• 年，卷（期）: 2005,（5）
• 所属期刊栏目: 论文与报告
• 页码范围: 528-534
• 页数: 7页
• 分类号: O329|F201
• 字数: 4299字
• 语种: 中文

摘要

神经网络对于非线性模型的辨识和非平稳信号的预测,与传统预测模型相比具有较明显的优势,但是神经网络的结构对于信号预测或模型辨识的精度具有较大影响.本文针对广泛使用的BP神经网络预测模型,以太阳黑子数据为例,分析了网络预测的拓扑结构(输入节点数、隐层节点数)及网络允许的训练误差MSE(Mean ofSquared Error)对其预测能力的影响.发现最优网络模型对应于一定的拓扑结构,收敛于某个由MSE目标值决定的最优位置,该收敛位置并不是网络的全局最优点.在此基础上,利用遗传算法,对输入节点数、隐层节点数和MSE目标值进行了优化,得到了最优的网络预测模型.最后,用算例验证了本文对BP网络模型预测精度影响因素分析的正确性.