基于遗传BP神经网络的装甲装备器材需求预测-论文.pdf

《基于遗传BP神经网络的装甲装备器材需求预测-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、Vo1．40．No．6火力与指挥控制第40卷第6期Jun，2015FireControl&CommandControl2015年6月文章编号：1002—0640(2015)06—0099—04基于遗传BP神经网络的装甲装备器材需求预测可荣博，王铁宁，宋宁波(1．装甲兵工程学院，北京100072；2．北方自动控制技术研究所，太原030006)摘要：装甲装备器材保障具有规模大、时间紧、消耗大、不确定因素多、决策难度大等特点。准确的需求预测是实施主动的、精细化的器材保障的重要前提条件。利用BP神经网络

2、较强自学习能力和自适应能力对器材需求规律进行学习，并借助遗传算法提高BP神经网络的收敛速度，设计了一种基于遗传算法改进的BP神经网络模型预测方法，对装甲装备器材进行需求预测。通过实例计算表明，该方法比单纯BP神经网络方法具有预测精度高、收敛速度快的优点。关键词：装甲装备器材，遗传算法，BP神经网络中图分类号：TJ811；N945文献标识码：AResearchonArmoredEquipmentDemandForecastingBasedonBPNeuralNetworkKERong—bo。WAN

3、GTie-ning，SONGNing-bo(1．AcademyofArmoredForceEngineering，Beijing100072，China；2．NorthAutomaticControlTechnologyInstitute，Taiyuan030006，China)Abstract：Armoredequipmentmaterialsupporthassomeparticularfeatures，includinglargescale，timeurgency，largeconsump

4、tion，alotofuncertainfactorsanddificultdecision．Accuratedemandforecastingisanimportantprerequisitetoimplementaninitiativeandrefinementequipmentprotection．Inthispaper，BPneuralnetworklearrningandself—adaptiveabilityisusedtolearnthelawofequipmentdemand，g

5、eneticalgorithmisusedtoimproveBPneuralnetworkconvergencespeed．AgeneticalgorithmimprovedBPneuralnetworkalgorithmisproposedforforecastingequipmentdemond．Theexperimentsshowthattheproposedmethodofferstheadvantagesofhighprecisionandfastconvergenceincontra

6、stwithBPneuralnetwork．Keywords：armoredequipment，geneticalgorithms，BPneuralnetwork因素对器材需求量影响程度不同且随时间发生变0引言化：这种错综复杂的内在关系决定器材需求量与影随着装甲装备器材保障工作的进行和信息系响因素之间存在复杂的非线性关系，难以用精确的统的广泛应用，目前已积累了大量的装甲装备动用数学模型描述。和修理数据以及器材需求数据。充分利用这些历史BP(BackPropagation)神经网络是一种按照误差数

7、据进行分析，寻找出需求规律进行精细化保障，逆向传播训练的前馈神经网络，具有良好的自组织有利于提高装甲装备器材保障的效率。自学习能力特点，同时解决了传统神经网络模型中装甲装备器材保障是一个受多种因素共同作隐层的权值问题。BP神经网络的大规模并行处理和用的复杂动态系统，保障过程的随机性、不确定性分布式存储模式对于解决大样本数据的需求预测和模糊性导致装甲装备器材需求预测的复杂性。各问题有较好的表现。但是BP神经网络算法的初始收稿日期：2014—04—25修回日期：2014—05—27作者简介：可荣博(

8、1985一)，男，辽宁沈阳人，博士研究生。研究方向：装备信息管理与决策。·99·(总第40—1036)火力与指挥控制2015年第6期权值和阈值是随机选取的，不当的选取会使网络的W表示隐层第m个神经元对输出层第n个神经元收敛速度慢、陷人局部最优值等。的连接权值。本文引入遗传算法对BP神经网络模型进行改Step4利用期望输出和实际输出，计算误差函进以提高收敛速度，设计了基于遗传算法改进的BP数对输出层的神经元的偏导数。神经网络算法，对大样本器材进行需求预测分析。．监首先建立BP神经网络模型，根据本文