学位论文 > 优秀研究生学位论文题录展示

基于AGA的RBF神经网络在电厂水质评价中的研究

作　者: 罗金鸣
导　师: 赵国材
学　校: 辽宁工程技术大学
专　业: 控制理论与控制工程
关键词: 水质评价径向基函数神经网络(RBFNN) 加速遗传算法(AGA) 主成分分析(PCA)方法
分类号: TP183
类　型: 硕士论文
年　份: 2008年
下　载: 67次
引　用: 0次
阅　读: 论文下载

内容摘要

水质评价是根据评价标准,通过所建立的数学模型,对水体的水质等级进行综合评判。在工业用水中,对水质的要求是很高的,所以要对水源进行水质评价,更好地满足用水要求。径向基函数神经网络是一种新颖有效的前馈式神经网络,它具有最佳逼近的性能和全局最优的特性,并且结构简单,训练速度快。遗传算法是一种全局并行的随机搜索方法,具有强鲁棒性,并具有收敛到全局最优的能力。RBF网络的设计问题就是关于网络隐节点数和隐层节点RBF函数中心、宽度和隐层到输出层的权值的性能指标的最小化问题。遗传算法与RBF神经网络的结合为解决这些问题提供了一条有效的途径。本文是对金山电厂的水源进行水质评价。由于地下水中杂质含量的变化规律复杂,呈高度非线性,存在着大量的不确定性因素,很难用精确的数学模型加以描述,因此本文建立了基于AGA(加速遗传算法)的RBF神经网络水质评价模型,并通过仿真实验证明,网络具有较好的逼近能力和泛化能力。

全文目录

摘要  4-5
Abstract  5-8
1 绪论  8-12
  1.1 课题研究背景及意义  8
  1.2 水质评价的研究现状  8-9
  1.3 神经网络在水质评价中的应用  9-10
  1.4 本文的研究工作  10-12
2 水质评价模型简介  12-16
  2.1 水质评价的模型  12-14
    2.1.1 水质评价的指数平滑模型  12
    2.1.2 水质评价的灰色系统模型  12-13
    2.1.3 水质评价的神经网络预测模型  13-14
  2.2 几种水质评价模型分析  14-15
    2.2.1 指数平滑模型  14
    2.2.2 灰色系统模型  14-15
    2.2.3 神经网络预测模型  15
  2.3 当前水质评价中存在的问题  15-16
3 径向基(RBF)神经网络和遗传算法  16-33
  3.1 RBF神经网络  16-20
    3.1.1 RBF神经网络的原理及基本思想  16-19
    3.1.2 RBF神经网络的学习算法  19-20
      3.1.2.1 中心和宽度的学习算法  19-20
      3.1.2.2 权值的确定方法  20
  3.2 BP神经网络和RBF神经网络的比较  20-23
  3.3 遗传算法  23-28
    3.3.1 遗传算法的基本要素  25-27
    3.3.2 遗传算法的基本流程  27-28
  3.4 加速遗传算法  28-33
    3.4.1 加速遗传算法的计算原理  29-31
    3.4.2 加速遗传算法的基本流程  31-33
4 基于AGA的RBF神经网络优化算法  33-43
  4.1 遗传算法与神经网络的融合  33-34
  4.2 主成分分析(PCA)方法在数据预处理中的应用  34-37
    4.2.1 主成分分析的提出  34-35
    4.2.2 主成分分析的原理  35-37
  4.3 AGA-RBF神经网络优化算法设计  37-43
    4.3.1 遗传算法要素的选择  38-41
    4.3.2 基于AGA优化的RBF神经网络算法的实现  41-43
5 金山电厂水源水质评价在AGA-RBF网络中的仿真研究  43-54
  5.1 金山电厂水质评价模型建立  43-47
    5.1.1 网络输入输出变量选择  43-44
    5.1.2 数据的预处理  44-46
    5.1.3 评价模型的流程  46-47
  5.2 金山电厂水质评价模型仿真分析  47-54
    5.2.1 仿真过程  47-49
    5.2.2 仿真结果  49-52
    5.2.3 结果分析  52-54
结论  54-56
参考文献  56-59
致谢  59-60
攻读学位期间已发表的学术论文及科研成果  60

基于AGA的RBF神经网络在电厂水质评价中的研究

内容摘要

全文目录

相似论文