




已閱讀5頁,還剩2頁未讀, 繼續(xù)免費(fèi)閱讀
版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
通信學(xué)論文-遺傳神經(jīng)網(wǎng)絡(luò)在電信業(yè)務(wù)收入預(yù)測中的應(yīng)用研究摘要誤差反向傳播神經(jīng)網(wǎng)絡(luò)(BPNN)由于優(yōu)越的非線性數(shù)據(jù)處理性能以及較強(qiáng)的學(xué)習(xí)能力而被廣泛地運(yùn)用于電信業(yè)務(wù)的預(yù)測當(dāng)中。然而,神經(jīng)網(wǎng)絡(luò)常常存在著收斂于局部最優(yōu)解、學(xué)習(xí)時間長等缺陷而影響其預(yù)測效果,而遺傳算法(GA)是一種全局尋優(yōu)搜索算法,能夠有效克服上述缺陷。本文針對影響電信業(yè)務(wù)收入的主要因素,將BP神經(jīng)網(wǎng)絡(luò)與遺傳算法有機(jī)結(jié)合起來,建立了相應(yīng)的遺傳神經(jīng)網(wǎng)絡(luò)模型用于電信業(yè)務(wù)收入預(yù)測,并利用實(shí)際數(shù)據(jù)進(jìn)行效果驗(yàn)證。實(shí)驗(yàn)表明,該預(yù)測模型具有很強(qiáng)的學(xué)習(xí)能力和自適應(yīng)性,其預(yù)測結(jié)果優(yōu)于BP神經(jīng)網(wǎng)絡(luò)模型,而且具有良好的泛化性。關(guān)鍵詞遺傳神經(jīng)網(wǎng)絡(luò)電信業(yè)務(wù)收入預(yù)測一、引言電信業(yè)務(wù)預(yù)測是通信網(wǎng)絡(luò)分階段建設(shè)規(guī)劃的前提條件,同時也是規(guī)劃期電信業(yè)務(wù)量和收入估算的必要條件之一。預(yù)測方法的選擇直接關(guān)系到預(yù)測目標(biāo)的實(shí)現(xiàn)和預(yù)測結(jié)果的精確程度。近年來人工神經(jīng)網(wǎng)絡(luò)技術(shù)和遺傳算法逐漸得到預(yù)測科學(xué)工作者的重視,誤差反向傳播(BP)神經(jīng)網(wǎng)絡(luò)已經(jīng)在預(yù)測領(lǐng)域中得到了廣泛的應(yīng)用,是一種由多個神經(jīng)元以某種規(guī)則連接而形成的層次網(wǎng)絡(luò)結(jié)構(gòu),其基本原理是這些神經(jīng)元之間“相互協(xié)作”,它有許多優(yōu)點(diǎn),對不完全信,具有良好的適應(yīng)性;對非線性輸入輸出關(guān)系的學(xué)習(xí)更具有優(yōu)越性,其描述問題的能力很強(qiáng)。但是BP算法是一種基于誤差函數(shù)梯度下降的學(xué)習(xí)方法,學(xué)習(xí)過程收斂速度較慢;其次,BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練開始時初始權(quán)值是隨機(jī)給定的,這對網(wǎng)絡(luò)的訓(xùn)練效果也會有極大影響,甚至導(dǎo)致網(wǎng)絡(luò)陷入局部最小點(diǎn)。遺傳算法(GA)有很好的全局搜索能力,能從概率的意義上以隨機(jī)的方式尋求到問題的最優(yōu)解。但另一方面,遺傳算法應(yīng)用中容易產(chǎn)生早熟現(xiàn)象,局部尋優(yōu)能力較差,而遺傳算法與神經(jīng)網(wǎng)絡(luò)的結(jié)合可以發(fā)揮各自的優(yōu)點(diǎn)。本文研究采用遺傳神經(jīng)網(wǎng)絡(luò)應(yīng)用到電信業(yè)務(wù)的訓(xùn)練中,結(jié)果表明該方法是可效的。本文其它結(jié)構(gòu)安排如下:第二部分為遺傳神經(jīng)網(wǎng)絡(luò)模型的結(jié)構(gòu)與算法介紹;第三部分為數(shù)據(jù)來源及實(shí)證結(jié)果分析;最后為本文結(jié)論。二、遺傳神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)及算法1.遺傳神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)多層前向神經(jīng)網(wǎng)絡(luò)在經(jīng)濟(jì)領(lǐng)域中是被普遍運(yùn)用的一種強(qiáng)有力的學(xué)習(xí)系統(tǒng),系統(tǒng)結(jié)構(gòu)簡單易于編程。在其具體應(yīng)用中,最重要的首先就是確定網(wǎng)絡(luò)結(jié)構(gòu),而網(wǎng)絡(luò)結(jié)構(gòu)的關(guān)鍵在于隱含層及其結(jié)點(diǎn)數(shù)。研究表明,對于學(xué)習(xí)任何函數(shù)來講,一個隱含層足夠。因此一個三層前向神經(jīng)網(wǎng)絡(luò)可以逼近任意非線性函數(shù)。在前向神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)中,如果采用誤差反向傳播算法(BackPropagation,BP)來對網(wǎng)絡(luò)結(jié)構(gòu)的權(quán)系數(shù)進(jìn)行學(xué)習(xí),那就是我們通常所說的BP神經(jīng)網(wǎng)絡(luò)模型。本研究中的遺傳神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)就是建立在一個三層前向神經(jīng)網(wǎng)絡(luò)基礎(chǔ)之上,將遺傳算法與神經(jīng)網(wǎng)絡(luò)有機(jī)地結(jié)合起來的一種混合模型。網(wǎng)絡(luò)的具體結(jié)構(gòu)如圖1該網(wǎng)絡(luò)分為三層:第一層為輸入層,共有n個節(jié)點(diǎn);第二層為隱含層,共有m個節(jié)點(diǎn);第三層為輸出層,有一個節(jié)點(diǎn)。網(wǎng)絡(luò)的目標(biāo)函數(shù)為,式中y為實(shí)際輸出,Y為期望輸出,Ep為平方誤差函數(shù)。2.遺傳神經(jīng)網(wǎng)絡(luò)模型的算法在本模型算法當(dāng)中,一種改進(jìn)的遺傳算法,被提出來優(yōu)化模型結(jié)構(gòu)的權(quán)值系數(shù)。該算法首先利用遺傳算法善于發(fā)現(xiàn)最優(yōu)解區(qū)域的特點(diǎn)同時,找出網(wǎng)絡(luò)參數(shù)的最優(yōu)初始值,然后再利用BP算法的尋優(yōu)能力來搜索模型參數(shù)的最優(yōu)解空間。算法具體步驟如下:步驟1:初始化用遺傳算法來優(yōu)化神經(jīng)網(wǎng)絡(luò),主要是優(yōu)化神經(jīng)網(wǎng)絡(luò)中神經(jīng)元之間的連接權(quán),初始化種群P(t)。由于網(wǎng)絡(luò)的連接權(quán)是實(shí)數(shù),因此本算法采用實(shí)數(shù)編碼方案,避免權(quán)重步進(jìn)變化。網(wǎng)絡(luò)隱含層轉(zhuǎn)移函數(shù)為Sigmoid函數(shù)。在編碼過程中,以神經(jīng)網(wǎng)絡(luò)的所有權(quán)值和閾值作為染色體的基因,各個基因組成染色體向量V=v1,vk,vL,vK為染色體中的第k個基因。步驟2:適應(yīng)度計(jì)算及評價(jià)根據(jù)適應(yīng)度函數(shù)值對個體進(jìn)行評價(jià),對每個個體進(jìn)行解碼得到一個BP神經(jīng)網(wǎng)絡(luò)輸入樣本,計(jì)算出神經(jīng)網(wǎng)絡(luò)的輸出誤差值E,選擇適應(yīng)度函數(shù)式中,Ymk,Ymk分別為第m個訓(xùn)練樣本的第k個輸入節(jié)點(diǎn)的期望輸出和實(shí)際輸出。適應(yīng)度f越高,表明誤差平方和越小,就越接近性能要求。步驟3:遺傳操作(1)選擇與復(fù)制保留群體中適應(yīng)度最高的個體,它不參與交叉和變異運(yùn)算,而直接將其復(fù)制到下一代。群體中的其他個體,采用輪盤賭選擇法進(jìn)行選擇,這樣適應(yīng)度小的個體也有機(jī)會進(jìn)入被保留。因此保證了群體中個體的多樣性,防止算法落入局部最優(yōu)。如果M個個體中的第i個個體的適應(yīng)度為fi,則其被選中的概率為:(2)交叉由于權(quán)重系數(shù)采用實(shí)數(shù)編碼,故本文采用算術(shù)交叉方式,以Pc的概率對選擇后的個體進(jìn)行交叉。設(shè)在個體XA和個體XB之間進(jìn)行交叉,交叉算子為式中:,為父代個體基因;,為子代個體基因,a為區(qū)間0,1上的隨機(jī)數(shù)。兩個個體在交叉點(diǎn)后的基因進(jìn)行交換,從而產(chǎn)生兩個新個體。(3)變異變異是對按變異概率Pm(這里取0.05)選取的個體進(jìn)行變異,然后隨機(jī)選取一變異點(diǎn),變異的基因安進(jìn)行變異操作。若新產(chǎn)生的種群個體的最大適應(yīng)度小于原種群個體的最大適應(yīng)度,則用原種群適應(yīng)度最大的個體替換新種群中適應(yīng)度最大的個體。步驟4:產(chǎn)生新種群將新個體插入到種群P(t)中,產(chǎn)生新的種群P(t+1),再把新種群個體的連接權(quán)賦予神經(jīng)網(wǎng)絡(luò)中,并計(jì)算新個體的適應(yīng)度函數(shù),若達(dá)到預(yù)定值GA,則進(jìn)入下一步,否則繼續(xù)進(jìn)行遺傳操作。步驟5再用BP算法訓(xùn)練網(wǎng)絡(luò)權(quán)值達(dá)到所要求的性能指標(biāo)或最大遺傳代數(shù)后,將最終群體中的最優(yōu)個體解碼即可得到優(yōu)化后的網(wǎng)絡(luò)連接權(quán)系數(shù)。以GA遺傳出的優(yōu)化初值作為BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)值,再用BP算法訓(xùn)練直到誤差平方和達(dá)到指定精度或達(dá)到設(shè)定的最大迭代次數(shù),算法結(jié)束。模型算法流程圖見圖2:三、數(shù)據(jù)來源及實(shí)證結(jié)果1.實(shí)驗(yàn)數(shù)據(jù)來源本文采用遺傳神經(jīng)網(wǎng)絡(luò)的方法對我國某地市的電信公司的業(yè)務(wù)收入進(jìn)行預(yù)測。影響電信企業(yè)收入的因素可以分兩大類:內(nèi)部因素和外部因素;內(nèi)部因素指由企業(yè)自身對收入造成影響的主要因素,如產(chǎn)品數(shù)量、投入成本、工程投資、固定資產(chǎn)、企業(yè)體制等。外部因素指當(dāng)?shù)亟?jīng)濟(jì)發(fā)展指標(biāo)、當(dāng)?shù)厝丝跀?shù)量、相關(guān)法律法規(guī)、消費(fèi)者偏好、競爭環(huán)境等。2.網(wǎng)絡(luò)結(jié)構(gòu)確定以1999年2003年的數(shù)據(jù)來預(yù)測第20042005年的數(shù)據(jù),取神經(jīng)網(wǎng)絡(luò)的輸入層節(jié)點(diǎn)數(shù)為m=20個,輸出量n為1個即電信業(yè)務(wù)收入,由經(jīng)驗(yàn)公式:k=(m+n)+c結(jié)合試錯法,可得隱含層節(jié)點(diǎn)數(shù)s1=14,輸出層數(shù)s2=1。因此建立的網(wǎng)絡(luò)基本參數(shù)為:拓?fù)浣Y(jié)構(gòu)20141;3.遺傳神經(jīng)網(wǎng)絡(luò)訓(xùn)練:應(yīng)用遺傳操作(選擇、交叉、變異)訓(xùn)練神經(jīng)網(wǎng)絡(luò),產(chǎn)生新一代個體,淘汰父代個體,直至達(dá)到最大進(jìn)化代數(shù)或者產(chǎn)生最優(yōu)解。給定精度(GA=0.005),經(jīng)遺傳優(yōu)化訓(xùn)練后得到最終的初始權(quán)值和閾值。用遺傳算法訓(xùn)練得到的初始權(quán)值和閾值建立BP網(wǎng)絡(luò)模型,并訓(xùn)練網(wǎng)絡(luò)直至達(dá)到指定精度。4.結(jié)果檢驗(yàn)用訓(xùn)練好的權(quán)值和閾值的遺傳神經(jīng)網(wǎng)絡(luò)對2004年和2005年的電信業(yè)務(wù)進(jìn)行預(yù)測,并將預(yù)測結(jié)果與一般BP神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果進(jìn)行比較(見表2):從表2的結(jié)果可以看出,在建模樣本相同下,基于遺傳算法的BP網(wǎng)絡(luò)模型對兩年獨(dú)立樣本的預(yù)報(bào)精度明顯優(yōu)于BP網(wǎng)絡(luò)模型,而且預(yù)報(bào)結(jié)果穩(wěn)定,收斂速度快、精度高,并且克服了以往憑經(jīng)驗(yàn)確定網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)的缺陷,提高了網(wǎng)絡(luò)的精確性和泛化能力。四、結(jié)論本文為克服BP神經(jīng)網(wǎng)絡(luò)模型所存在易于陷入局部最優(yōu)解等缺陷而提出了結(jié)合遺傳算法和神經(jīng)網(wǎng)絡(luò)的一種混合模型遺傳神經(jīng)網(wǎng)絡(luò)模型,并利用所設(shè)計(jì)的遺傳神經(jīng)網(wǎng)絡(luò)模型,選擇我國某地市的電信公司數(shù)據(jù)作為數(shù)據(jù)樣本,對該公司的業(yè)務(wù)收入進(jìn)行預(yù)測,并對比BP神經(jīng)網(wǎng)絡(luò)模型,實(shí)證結(jié)果表明,遺傳神經(jīng)網(wǎng)絡(luò)模型,相對BP神經(jīng)網(wǎng)絡(luò)而言,其預(yù)測效率和準(zhǔn)確率大大得到提高,在電信業(yè)務(wù)收入預(yù)測方面具有較好的應(yīng)用前景。參考文獻(xiàn):1WANGQ,STOCKTONDJ,BAGULEYP.UsingneuralnetworksincostmodeldevelopmentprocessC.Procofthe16thNationalConfonManufacturingResearch,UK:ProfessionalEngineering,2000:59632SMITHAE,MASONAK.Costestimationpredictivemodeling:regressionversusneuralJ.EngineeringEconomist,1997,42(2):1371613何芳陳收:基于擴(kuò)展卡爾曼濾波的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法在股票預(yù)測中的應(yīng)用J.系統(tǒng)工程,2003,21(6):75804周明孫樹棟:遺傳算法原理及應(yīng)用M.北京:國防工業(yè)出版社,2000:56585JatomderND.Gupta,SextonRS.Comparingback-propagationwithageneticalgorithmforneuralnetworktrainingJ.Omega,1999,(27);6796846穆阿華周紹磊劉青志:利用遺傳算法改進(jìn)BP學(xué)習(xí)算法J.計(jì)算機(jī)仿真,2005,22(2):1501567俞亭
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 高效救援演練的應(yīng)急處置與快速響應(yīng)能力提升
- 貴州省六盤水市第二十中學(xué)2024年化學(xué)九年級第一學(xué)期期末監(jiān)測模擬試題含解析
- 2025至2030肝硬化治療行業(yè)產(chǎn)業(yè)運(yùn)行態(tài)勢及投資規(guī)劃深度研究報(bào)告
- 四川省成都市天府第七中學(xué)2024-2025學(xué)年八年級數(shù)學(xué)第一學(xué)期期末調(diào)研試題含解析
- 常州勞動合同試用期管理規(guī)范
- 交通事故理賠催告函模板定制合同
- 網(wǎng)絡(luò)直播產(chǎn)業(yè)發(fā)展計(jì)劃及盈利模式探索報(bào)告
- 中國汽車拆解行業(yè)自動化改造的市場趨勢預(yù)測報(bào)告
- 環(huán)保創(chuàng)意大賽組織流程
- 2025至2030中國自動紙箱封口機(jī)行業(yè)市場深度研究及發(fā)展前景投資可行性分析報(bào)告
- 高速公路施工安全培訓(xùn)課件
- 2024年中級經(jīng)濟(jì)師考試經(jīng)濟(jì)基礎(chǔ)知識必考重點(diǎn)總結(jié)全覆蓋
- 轉(zhuǎn)崗人員安全知識培訓(xùn)
- 寧夏石嘴山市礦業(yè)(集團(tuán))有限責(zé)任公司招聘筆試題庫2024
- 網(wǎng)絡(luò)設(shè)備安裝調(diào)試作業(yè)指導(dǎo)書
- 鐵嶺三支一扶真題2023
- 2024年省石棉縣人力資源和社會保障局關(guān)于公開考核招考綜合類事業(yè)單位工作人員高頻考題難、易錯點(diǎn)模擬試題(共500題)附帶答案詳解
- 人工智能數(shù)據(jù)標(biāo)注 課件
- 骨折病的中醫(yī)分型及治療
- (高清版)TDT 1068-2022 國土空間生態(tài)保護(hù)修復(fù)工程實(shí)施方案編制規(guī)程
- 路面橋梁搶修知識培訓(xùn)課件
評論
0/150
提交評論