【计算机工程】基于pso和rbf神经网络的水声信号建模与预测

《【计算机工程】基于pso和rbf神经网络的水声信号建模与预测》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第34卷第23期计算机工程2008年12月Vol.34No.23ComputerEngineeringDecember2008·人工智能及识别技术·文章编号：1000—3428(2008)23—0208—02文献标识码：A中图分类号：TP393.02基于PSO和RBF神经网络的水声信号建模与预测贺昱曜，张慧档(西北工业大学航海学院，西安710072)摘要：为构建径向基函数神经网络模型，以相空间重构理论为基础，提出基于粒子群的自动搜索算法，并以Logistic映射和水声信号作为研究对象，把该算法与同类算法进行比较。实验结果表明，该算法在训练准确率和收敛速度方面体现出一定的优越性，能够为水声信号

2、的建模、预测以及动力学分析提供支持。关键词：混沌时间序列；相空间重构；径向基函数神经网络；水声信号ModelingandPredictionofUnderwaterAcousticSignalBasedonPSOandRBFNeuralNetworkHEYu-yao,ZHANGHui-dang(CollegeofMarine,NorthwesternPolytechnicalUniversity,Xi’an710072)【Abstract】InordertoconfiguretheRadialBasisFunction(RBF)neuralnetworkmodel,anautomaticse

3、archingalgorithmbasedonParticleSwarmOptimization(PSO)isproposedwiththethesisofphasespacereconstruction.ThisalgorithmiscomparedwithothersimilaralgorithmswithrespecttoLogisticmappingandunderwateracousticsignal.Experimentalresultsshowthisalgorithmhasbetterperformanceintermsoftrainingaccuracyandconverg

4、encerate,andalsosupportsthemodeling,predictionanddynamicanalysisofunderwateracousticsignals.【Keywords】chaotictimeseries;phasespacereconstruction;RadialBasisFunction(RBF)neuralnetwork;underwateracousticsignal据；w为第i个隐节点至输出的连接权值；1概述iT在属于混沌时间序列的船舶辐射噪声内部存在着一定的u=[,,,]uuLu为隐层第i个径向基函数的数据中心；ii1,2,iD,i[1]规律

5、性，这种规律是非线性的，表现出时间序列在时延状为Euclidean泛数；ρ为函数的基宽度参数；M为隐层节点态空间中的相关性，使系统有着某种记忆能力，同时又难以总数。用解析方法把这种规律表达出来。由FarmerJD等人提出，在径向基函数网络中，待定的参数有2类：(1)基函数的并由TakensF用数学理论论证的相空间重构方法为时间序列中心u和基宽度ρ以及中心数目M；(2)输出层与隐层间的i[2-3]的预测提供了一条新途径。Taken证明了可以找到一个合连接权重。当基函数的中心u和基宽度ρ以及中心数目Mi适的嵌入维数D，即若延迟坐标维数Dd≥21+，d是动力EE确定后，输出层与隐层间的连接权参数{

6、w}是线性的，可采i系统维数，则在这个嵌入维空间里可把有规律的轨迹(吸引子)用最小二乘法求得。因此，确定参数uM,,ρ的值是建立RBFi恢复出来，从而为混沌时间序列的预测奠定坚实的理论基础。神经网络的关键。根据混沌动力系统的相空间延迟坐标重构理论，用原系2.2隐层节点个数和基函数宽度的确定统的观测量来重构相空间，主要在于函数F的建模，而采用[5][4]采用自增长聚类算法确定隐层节点个数。先预设一个具有非线性映射能力的神经网络能较好地解决这一问题。阈值ε作为输入向量间距离的测度，随机从N个样本中选择鉴于径向基函数(RadialBasisFunction,RBF)神经网络的并行输入数据x作为第1

7、个RBF基函数的中心u，计算第2个11处理及强大的非线性映射能力，本文在聚类算法确定径向基输入数据x与中心u的欧氏距离，并与阈值ε比较。若大于函数中心个数的基础上，通过粒子群优化(ParticleSwarm21阈值ε，则将x作为第2个聚类中心u，否则，第1个中心Optimization,PSO)算法对基函数中心参数进行优化，并结合22最小二乘法确定网络输出权值，同时将本算法应用于Logisticu1按如下公式