[发明专利]柴油机排放性能的BP神经网络预测模型优化方法

权利要求书

1.柴油机排放性能的BP神经网络预测模型优化方法，其特征在于：包括以下步骤：

一、建立BP神经网络预测模型；

二、通过遗传算法来优化权值和阈值，包括：

(1)种群初始化

生成初始种群，并采用实数编码对个体进行编码，编码包括以下部分：隐含层和输入层之间的权值、隐含层的阈值、输出层和隐含层之间的权值、输出层的阈值；

(2)适应度函数计算

利用个体i得到网络的阈值及其初始权值，通过训练得到预测值；计算期望值和预测值之间误差的绝对值之和，再与相关系数k相乘即得到适应度值F；具体计算公式如下：

式中，n为输出的节点个数；k为相关系数；o_i为第i个节点的预测值；y_i为第i个节点的期望值；

(3)选择操作

采用轮盘赌法，每个个体i的选择概率p_i为：

f_i＝k/F_i

式中，F_i为个体i的适应度值；N为种群个体数目；k是相关系数；

(4)交叉操作

采用实数交叉法，第k个染色体α_k和第l个染色体α_l在j位的交叉操作过程如下：

a_kj＝a_kj(1-b)+a_ljb

a_lj＝a_lj(1-b)+a_kjb

式中，b是[0，1]间的随机数；

(5)变异操作

对第i个体中的第j个基因α_ij的变异操作如下：

式中，a_max是a_ij基因的最大值；a_min是a_ij基因的最小值；f(g)＝r₂(1-g/G_max)²；r₂是任意的实数；g是目前迭代的次数；G_max是进化次数的最大值；r是区间[0，1]中的随机数；

(6)计算适应度函数，在不满足预设条件下返回第(3)步进行循环迭代，当满足条件后，输出优化后的权值和阈值。

2.根据权利要求1所述的柴油机排放性能的BP神经网络预测模型优化方法，其特征在于：BP神经网络包括输入层、隐含层和输出层；其中输入层负责接收数据样本矩阵，隐含层负责数据样本计算，输出层负责输出数据。