神经网络模型的预测精度影响因素分析及其优化

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。