会员注册 | 登录 | 微信快捷登录 支付宝快捷登录 QQ登录 微博登录 | 帮助中心 人人文库renrendoc.com美如初恋!
站内搜索 百度文库

热门搜索: 直缝焊接机 矿井提升机 循环球式转向器图纸 机器人手爪发展史 管道机器人dwg 动平衡试验台设计

通信学论文-遗传神经网络在电信业务收入预测中的应用研究.doc通信学论文-遗传神经网络在电信业务收入预测中的应用研究.doc -- 2 元

宽屏显示 收藏 分享

资源预览需要最新版本的Flash Player支持。
您尚未安装或版本过低,建议您

通信学论文遗传神经网络在电信业务收入预测中的应用研究摘要误差反向传播神经网络(BPNN)由于优越的非线性数据处理性能以及较强的学习能力而被广泛地运用于电信业务的预测当中。然而,神经网络常常存在着收敛于局部最优解、学习时间长等缺陷而影响其预测效果,而遗传算法GA是一种全局寻优搜索算法,能够有效克服上述缺陷。本文针对影响电信业务收入的主要因素,将BP神经网络与遗传算法有机结合起来,建立了相应的遗传神经网络模型用于电信业务收入预测,并利用实际数据进行效果验证。实验表明,该预测模型具有很强的学习能力和自适应性,其预测结果优于BP神经网络模型,而且具有良好的泛化性。关键词遗传神经网络电信业务收入预测一、引言电信业务预测是通信网络分阶段建设规划的前提条件,同时也是规划期电信业务量和收入估算的必要条件之一。预测方法的选择直接关系到预测目标的实现和预测结果的精确程度。近年来人工神经网络技术和遗传算法逐渐得到预测科学工作者的重视,误差反向传播BP神经网络已经在预测领域中得到了广泛的应用,是一种由多个神经元以某种规则连接而形成的层次网络结构,其基本原理是这些神经元之间相互协作,它有许多优点,对不完全信,具有良好的适应性对非线性输入输出关系的学习更具有优越性,其描述问题的能力很强。但是BP算法是一种基于误差函数梯度下降的学习方法,学习过程收敛速度较慢其次,BP神经网络训练开始时初始权值是随机给定的,这对网络的训练效果也会有极大影响,甚至导致网络陷入局部最小点。遗传算法GA有很好的全局搜索能力,能从概率的意义上以随机的方式寻求到问题的最优解。但另一方面,遗传算法应用中容易产生早熟现象,局部寻优能力较差,而遗传算法与神经网络的结合可以发挥各自的优点。本文研究采用遗传神经网络应用到电信业务的训练中,结果表明该方法是可效的。本文其它结构安排如下第二部分为遗传神经网络模型的结构与算法介绍第三部分为数据来源及实证结果分析最后为本文结论。二、遗传神经网络模型结构及算法1.遗传神经网络模型结构多层前向神经网络在经济领域中是被普遍运用的一种强有力的学习系统,系统结构简单易于编程。在其具体应用中,最重要的首先就是确定网络结构,而网络结构的关键在于隐含层及其结点数。研究表明,对于学习任何函数来讲,一个隐含层足够。因此一个三层前向神经网络可以逼近任意非线性函数。在前向神经网络结构中,如果采用误差反向传播算法BackPropagation,BP来对网络结构的权系数进行学习,那就是我们通常所说的BP神经网络模型。本研究中的遗传神经网络模型结构就是建立在一个三层前向神经网络基础之上,将遗传算法与神经网络有机地结合起来的一种混合模型。网络的具体结构如图1该网络分为三层第一层为输入层,共有n个节点第二层为隐含层,共有m个节点第三层为输出层,有一个节点。网络的目标函数为,式中y为实际输出,Y为期望输出,Ep为平方误差函数。2.遗传神经网络模型的算法在本模型算法当中,一种改进的遗传算法,被提出来优化模型结构的权值系数。该算法首先利用遗传算法善于发现最优解区域的特点同时,找出网络参数的最优初始值,然后再利用BP算法的寻优能力来搜索模型参数的最优解空间。算法具体步骤如下步骤1初始化用遗传算法来优化神经网络,主要是优化神经网络中神经元之间的连接权,初始化种群Pt。由于网络的连接权是实数,因此本算法采用实数编码方案,避免权重步进变化。网络隐含层转移函数为Sigmoid函数。在编码过程中,以神经网络的所有权值和阈值作为染色体的基因,各个基因组成染色体向量Vv1,vk,vL,vK为染色体中的第k个基因。步骤2适应度计算及评价根据适应度函数值对个体进行评价,对每个个体进行解码得到一个BP神经网络输入样本,计算出神经网络的输出误差值E,选择适应度函数式中,Ymk,Ymk分别为第m个训练样本的第k个输入节点的期望输出和实际输出。适应度f越高,表明误差平方和越小,就越接近性能要求。步骤3遗传操作1选择与复制保留群体中适应度最高的个体,它不参与交叉和变异运算,而直接将其复制到下一代。群体中的其他个体,采用轮盘赌选择法进行选择,这样适应度小的个体也有机会进入被保留。因此保证了群体中个体的多样性,防止算法落入局部最优。如果M个个体中的第i个个体的适应度为fi,则其被选中的概率为(2交叉由于权重系数采用实数编码,故本文采用算术交叉方式,以Pc的概率对选择后的个体进行交叉。设在个体XA和个体XB之间进行交叉,交叉算子为式中,为父代个体基因,为子代个体基因,a为区间0,1上的随机数。两个个体在交叉点后的基因进行交换,从而产生两个新个体。(3变异变异是对按变异概率Pm这里取0.05)选取的个体进行变异,然后随机选取一变异点,变异的基因安进行变异操作。若新产生的种群个体的最大适应度小于原种群个体的最大适应度,则用原种群适应度最大的个体替换新种群中适应度最大的个体。步骤4产生新种群将新个体插入到种群Pt中,产生新的种群Pt1,再把新种群个体的连接权赋予神经网络中,并计算新个体的适应度函数,若达到预定值εGA,则进入下一步,否则继续进行遗传操作。步骤5再用BP算法训练网络权值达到所要求的性能指标或最大遗传代数后,将最终群体中的最优个体解码即可得到优化后的网络连接权系数。以GA遗传出的优化初值作为BP神经网络的初始权值,再用BP算法训练直到误差平方和达到指定精度或达到设定的最大迭代次数,算法结束。模型算法流程图见图2三、数据来源及实证结果1.实验数据来源本文采用遗传神经网络的方法对我国某地市的电信公司的业务收入进行预测。影响电信企业收入的因素可以分两大类内部因素和外部因素内部因素指由企业自身对收入造成影响的主要因素,如产品数量、投入成本、工程投资、固定资产、企业体制等。外部因素指当地经济发展指标、当地人口数量、相关法律法规、消费者偏好、竞争环境等。2.网络结构确定以1999年~2003年的数据来预测第2004~2005年的数据,取神经网络的输入层节点数为m20个,输出量n为1个即电信业务收入,由经验公式kmnc结合试错法,可得隐含层节点数s114,输出层数s21。因此建立的网络基本参数为拓扑结构20-14-13.遗传神经网络训练应用遗传操作(选择、交叉、变异)训练神经网络,产生新一代个体,淘汰父代个体,直至达到最大进化代数或者产生最优解。给定精度(εGA0.005),经遗传优化训练后得到最终的初始权值和阈值。用遗传算法训练得到的初始权值和阈值建立BP网络模型,并训练网络直至达到指定精度。4.结果检验用训练好的权值和阈值的遗传神经网络对2004年和2005年的电信业务进行预测,并将预测结果与一般BP神经网络预测结果进行比较(见表2)从表2的结果可以看出,在建模样本相同下,基于遗传算法的BP网络模型对两年独立样本的预报精度明显优于BP网络模型,而且预报结果稳定,收敛速度快、精度高,并且克服了以往凭经验确定网络的拓扑结构的缺陷,提高了网络的精确性和泛化能力。四、结论本文为克服BP神经网络模型所存在易于陷入局部最优解等缺陷而提出了结合遗传算法和神经网络的一种混合模型遗传神经网络模型,并利用所设计的遗传神经网络模型,选择我国某地市的电信公司数据作为数据样本,对该公司的业务收入进行预测,并对比BP神经网络模型,实证结果表明,遗传神经网络模型,相对BP神经网络而言,其预测效率和准确率大大得到提高,在电信业务收入预测方面具有较好的应用前景。参考文献1WANGQ,STOCKTONDJ,BAGULEYP.UsingneuralnetworksincostmodeldevelopmentprocessC.Procofthe16thNationalConfonManufacturingResearch,UKProfessionalEngineering,200059~632SMITHAE,MASONAK.CostestimationpredictivemodelingregressionversusneuralJ.EngineeringEconomist,1997,422137~1613何芳陈收基于扩展卡尔曼滤波的神经网络学习算法在股票预测中的应用J.系统工程,2003,21675~804周明孙树栋遗传算法原理及应用M.北京国防工业出版社,200056~585JatomderND.Gupta,SextonRS.ComparingbackpropagationwithageneticalgorithmforneuralnetworktrainingJ.Omega,1999,27679~6846穆阿华周绍磊刘青志利用遗传算法改进BP学习算法J.计算机仿真,2005,222150~1567俞亭超自适应遗传人工神经元网络模型及在城市用水量预测中的应用研究D.杭州浙江大学,20018玄光男程润伟遗传算法与工程优化M.北京清华大学出版社,20059惠晓峰胡运权胡伟基于遗传算法的BP神经网络在汇率预测中的应用研究J.数量经济技术经济研究,2002,19280~8310孙全朱江基于遗传神经网络的股票价格的短期预测J.计算机工程与应用,2002,5237~239
编号:201312172113582681    大小:12.96KB    格式:DOC    上传时间:2013-12-17
  【编辑】
2
关 键 词:
生活休闲 网络生活 精品文档 通信学论
温馨提示:
1: 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
2: 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
3.本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
5. 人人文库网仅提供交流平台,并不能对任何下载内容负责。
6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
  人人文库网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
0条评论

还可以输入200字符

暂无评论,赶快抢占沙发吧。

当前资源信息

4.0
 
(2人评价)
浏览:6次
zhaozilong上传于2013-12-17

官方联系方式

客服手机:13961746681   
2:不支持迅雷下载,请使用浏览器下载   
3:不支持QQ浏览器下载,请用其他浏览器   
4:下载后的文档和图纸-无水印   
5:文档经过压缩,下载后原文更清晰   

相关资源

相关资源

相关搜索

生活休闲   网络生活   精品文档   通信学论  
关于我们 - 网站声明 - 网站地图 - 友情链接 - 网站客服客服 - 联系我们
copyright@ 2015-2017 人人文库网网站版权所有
苏ICP备12009002号-5