小波神经网络参数优化及其应用

小波神经网络是小波分析理论与人工神经网络理论完美结合的产物,它兼容了小波分析与人工神经网络的优越性。一方面,充分利用了小波变换的时频局部化特性;另一方面,充分发挥了人工神经网络的自学习能力,从而具有较强的逼近与容错能力。但由于小波神经网络自身的结构问题及由小波分析和人工神经网络结合时产生的问题,使得小波神经网络模型极易出现陷入局部极小或不收敛等问题。广大学者已经开始了对小波神经网络参数优化问题的研究,对于该问题的研究,本文做出了以下工作: 1.在总结和学习前人成果的基础上,从小波神经网络的构成出发,阐述了小波神经网络的理论基础,指出了它在理论和实际应用中存在的问题,并分析了出现问题的原因。 2.粒子群算法具有计算快速性及算法的容易实现性的特点,针对小波神经网络在应用中存在的问题,提出用粒子群优化算法优化小波神经网络的参数的方法。建立了基于粒子群优化算法的小波神经网络模型,并将其应用到实践中。 建立基于粒子群算法优化的小波神经网络作物需水量预测模型。针对富锦市多年的水稻需水量资料,建立模型。通过对比发现模型的预测效果较单纯的小波神经网络模型的预测效果好,在理论上有很大创新。 建立基于粒子群算法优化的小波神经网络地下水动态变化趋势预测模型。模型的拟合情况与实际情况相符合,所以用粒子群优化算法优化小波神经网络模型是切实可行的,并具有实际应用价值。 3.遗传算法是一类借鉴生物界的进化规律演化而来的随机化搜索方法。主要特点是直接对结构对象进行操作,不存在求导和函数连续性的限定;具有内在的隐并行性和更好的全局寻优能力。针对小波神经网络在应用中存在的问题,用遗传算法优化小波神经网络的参数。建立了基于遗传算法的小波神经网络模型,并将其应用到实践中。 建立基于遗传算法优化的小波神经网络工程管理绩效评估模型,实验结果表明该方法的实用性,可以作为一种新方法应用到实际中。 建立基于遗传算法优化的小波神经网络年径流预测模型。将模型应用到诺敏河的年径流预测中。模型的拟合和预测效果都较好,取得了较满意的结果。