基于实数编码的遗传算法神经网络预报建模研究

【摘要】：近年来,人工神经网络方法不仅在信号处理、图像识别、医学、人工智能和计算机等许多领域得到了广泛的应用,同时由于人工神经网络方法具有自适应学习、非线性映射等多种优良性能,因此,该方法也在大气科学的气象预报、气候分析等许多方面得到了较好的应用。但是随着神经网络方法应用研究的不断深入发现,该方法在应用于气象预报建模研究时也存在一些明显的不足。例如大气科学中应用较多的BP网络方法,在作权值训练时,主要是利用均方误差和梯度下降方法来实现网络连接权的修正,存在网络学习训练收敛速度慢,对于较大的搜索空间,多峰值和不可微函数,极易陷入局部极值点,影响预测精度。另外神经网络的初始权值,阈值以及网络结构的选择缺乏依据,具有很大的随机性,很难选取具有全局性的初始点,因而求得全局最优的可能性较小。另外,神经网络连接权的整体分布包含着神经网络系统的全部知识,并且传统的权值获取方法都是采用某个确定的权值变化规则,在训练中逐步调整,最终得到一个较好的权值分布。BP算法对于不同的初始权值可能会导致完全不同的结果,一旦取值不当,就会引起网络的振荡而不能收敛。另外网络结构的优劣对网络的处理能力也有很大的影响,一个好的网络结构不允许冗余节点和冗余连接权存在。在神经网络的应用研究中,确定网络结构的传统方法往往采用递增或递减的试探方法,还没有一种比较成熟的确定网络结构的理论方法,网络结构的设计基本上主要依赖于经验。