基于GA优化BP神经网络辨识的Volterra级数核估计算法

• 作者: 孙双双 彭秀艳 王兴梅 胡忠辉 门志国
• 来源期刊: 南京理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 遗传算法 反向传播神经网络 混沌特性识别 船舶运动 多步预报
• 年，卷（期）: 2012,（6）
• 页码范围: 962-967
• 页数: 6页
• 分类号: TP29
• 字数: 3431字
• 语种: 中文

摘要

为取得更有效的船舶运动预报效果,提出了一种利用遗传算法(GA)优化单输出三层反向传播(BP)神经网络辨识Volterra级数核的算法.在船舶航行姿态时间序列的混沌特性识别基础上,分析了GA、BP神经网络和Volterra级数模型的特征.利用GA优化BP神经网络获得最优的初始权值和阈值,根据BP神经网络算法求得最终的最优权值和阈值.进行Taylor级数分解,得到Volterra级数各阶核,对船舶的横摇运动时间序列进行多步预报.仿真实验表明:所提方法预报精度高、时间长,具有有效性和适应性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王兴梅	哈尔滨工程大学计算机科学与技术学院	14	80	6.0	8.0
2	彭秀艳	哈尔滨工程大学自动化学院	71	701	17.0	23.0
3	胡忠辉	哈尔滨工程大学自动化学院	16	146	8.0	11.0
4	门志国	哈尔滨工程大学自动化学院	15	57	5.0	6.0
5	孙双双	哈尔滨工程大学理学院	1	10	1.0	1.0