一種基于Bootstrap回聲狀態(tài)網(wǎng)絡(luò)集成的冶金企業(yè)煤氣流量區(qū)間預(yù)測方法
【專利摘要】本發(fā)明屬于信息【技術(shù)領(lǐng)域】，涉及到重采樣方法、Bootstrap估計、貝葉斯估計方法和回聲狀態(tài)網(wǎng)絡(luò)集成理論，是一種基于Bootstrap回聲狀態(tài)網(wǎng)絡(luò)集成的冶金企業(yè)煤氣流量區(qū)間預(yù)測方法。本發(fā)明利用冶金企業(yè)現(xiàn)場已有的歷史數(shù)據(jù)，首先對煤氣系統(tǒng)各用戶流量數(shù)據(jù)進(jìn)行重采樣處理以構(gòu)造有效地訓(xùn)練樣本；然后建立基于回聲狀態(tài)網(wǎng)絡(luò)集成的區(qū)間預(yù)測模型，預(yù)測當(dāng)前時間點(diǎn)后指定時間長度內(nèi)的煤氣系統(tǒng)用戶流量；最后分別基于Bootstrap方法和Bayesian方法估計模型和數(shù)據(jù)不確定性對預(yù)測結(jié)果的影響，進(jìn)而構(gòu)造出置信區(qū)間和預(yù)測區(qū)間。此方法在冶金企業(yè)其它能源介質(zhì)系統(tǒng)均可有廣泛的應(yīng)用。
【專利說明】-種基于Bootstrap回聲狀態(tài)網(wǎng)絡(luò)集成的冶金企業(yè)煤氣流 量區(qū)間預(yù)測方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于信息【技術(shù)領(lǐng)域】，涉及到重采樣方法、Bootstrap估計、貝葉斯估計方法 和回聲狀態(tài)網(wǎng)絡(luò)集成理論，是一種基于Bootstrap回聲狀態(tài)網(wǎng)絡(luò)集成的冶金企業(yè)煤氣流量 區(qū)間預(yù)測方法。本發(fā)明利用冶金企業(yè)現(xiàn)場已有的歷史數(shù)據(jù)，首先對煤氣系統(tǒng)各用戶流量數(shù) 據(jù)進(jìn)行重采樣處理以構(gòu)造有效的訓(xùn)練樣本；然后建立基于回聲狀態(tài)網(wǎng)絡(luò)集成的區(qū)間預(yù)測模 型，預(yù)測當(dāng)前時間點(diǎn)后指定時間長度內(nèi)的煤氣系統(tǒng)用戶流量；最后分別基于Bootstrap方 法和Bayesian方法估計模型和數(shù)據(jù)不確定性對預(yù)測結(jié)果的影響，進(jìn)而構(gòu)造出置信區(qū)間和 預(yù)測區(qū)間。此方法在冶金企業(yè)其它能源介質(zhì)系統(tǒng)均可有廣泛的應(yīng)用。

【背景技術(shù)】
[0002] 冶金企業(yè)是高能耗、高污染、高排放的產(chǎn)業(yè)。節(jié)能降耗一直是冶金行業(yè)所面臨的 最嚴(yán)峻問題之一。隨著一次能源的緊缺和新節(jié)能技術(shù)的提高，冶金生產(chǎn)過程中產(chǎn)生的副產(chǎn) 煤氣能否得到合理的利用將直接影響到整個冶金企業(yè)的能耗成本和節(jié)能減排效果（Iwao Higashi, (1982). Energy balance of steel mills and utilization of byproduct gases[J]. Transactions of the Iron and Steel Institute of Japan, 22(I):57-65. )〇 合理利用副產(chǎn)煤氣至關(guān)重要，所以必須對副產(chǎn)煤氣系統(tǒng)進(jìn)行有效地調(diào)度，而副產(chǎn)煤氣的發(fā) 生和消耗流量的變化是實施調(diào)度手段的重要參考指標(biāo)。在冶金企業(yè)生產(chǎn)過程中，副產(chǎn)煤氣 是煉鐵、煉焦和煉鋼的副產(chǎn)物，通過煤氣管網(wǎng)輸送給各個煤氣用戶供其正常生產(chǎn)，剩余的存 入聯(lián)網(wǎng)的煤氣柜，考慮煤氣柜的容量限制和安全運(yùn)行，現(xiàn)場調(diào)度人員需時刻把握副產(chǎn)煤氣 系統(tǒng)發(fā)生和消耗流量的變化情況。當(dāng)煤氣系統(tǒng)的發(fā)生流量嚴(yán)重大于其消耗流量，煤氣柜的 柜位會迅速上升，為防止煤氣柜的容量超限，需要增加系統(tǒng)中調(diào)整用戶對煤氣的消耗量以 維持煤氣系統(tǒng)的平衡；反之，如果煤氣系統(tǒng)的消耗流量嚴(yán)重大于其發(fā)生流量，煤氣柜中的煤 氣會自動供給消耗用戶使用，如果煤氣柜中的煤氣儲備不足時，需要減少系統(tǒng)中調(diào)整用戶 的消耗量以維持煤氣系統(tǒng)的平衡。因此準(zhǔn)確預(yù)測副產(chǎn)煤氣系統(tǒng)的發(fā)生和消耗消量，可以有 效指導(dǎo)煤氣的平衡調(diào)度。然而冶金企業(yè)副產(chǎn)煤氣的發(fā)生和消耗流量預(yù)測問題是極其復(fù)雜 的，根本無法保證預(yù)測的精確性，所以調(diào)度人員往往不僅關(guān)注于煤氣流量預(yù)測的結(jié)果，更關(guān) 心預(yù)測結(jié)果的可靠性，甚至希望得到煤氣流量在未來一段時間內(nèi)的可能的變化范圍。綜上， 為副產(chǎn)煤氣系統(tǒng)的發(fā)生和消耗流量構(gòu)造置信區(qū)間和預(yù)測區(qū)間，可以更有效地指導(dǎo)煤氣系統(tǒng) 的平衡調(diào)度，使得煤氣經(jīng)回收后可供生產(chǎn)自用及發(fā)電，從而大大降低一次能源的使用量、減 少煤氣的無效排放，并且解決城市電能緊張等問題。
[0003] 目前實際生產(chǎn)中，對冶金企業(yè)副產(chǎn)煤氣的發(fā)生和消耗流量預(yù)測除了最基 本的經(jīng)驗預(yù)測法外，還是以點(diǎn)預(yù)測為主，點(diǎn)預(yù)測主要是通過神經(jīng)網(wǎng)絡(luò)（Zhao J，Wang ff, Liu Y, et al. A two-stage online prediction method for a blast furnace gas system and its application[J]. IEEE Transactions on Control Systems Technology，2011, 19(3) :507-520.)和支持向量機(jī)（Zhao J,Liu Q,Pedrycz W,et al.Effective noise estimation-based online prediction for byproduct gas system in steel industry[J] ? IEEE Transactions on Industrial Informatics，2012, 8(4) :953-963.)等機(jī)器學(xué)習(xí)方法預(yù)測出煤氣系統(tǒng)發(fā)生或消耗用戶流量 在未來一段時間內(nèi)可能的取值。本發(fā)明認(rèn)為僅僅通過機(jī)器學(xué)習(xí)的方法對煤氣系統(tǒng)用戶流量 進(jìn)行預(yù)測還很難滿足調(diào)度人員的需要，結(jié)合統(tǒng)計類方法對預(yù)測結(jié)果的可信度進(jìn)行估計是非 常必要的。
[0004] 以上方法存在如下不足：首先，對副產(chǎn)煤氣系統(tǒng)發(fā)生和消耗流量的預(yù)測采用點(diǎn)預(yù) 測模式，僅能給出未來時間范圍內(nèi)發(fā)生和消耗流量的可能取值，缺少對預(yù)測結(jié)果可靠性的 分析，而工業(yè)數(shù)據(jù)通常都含有較高級別的噪聲和不確定性，預(yù)測結(jié)果的可靠性是調(diào)度人員 非常關(guān)心的；其次，如果調(diào)度人員基于可靠性未知的預(yù)測結(jié)果做出相應(yīng)的調(diào)度計劃可能給 系統(tǒng)運(yùn)行的安全性帶來巨大隱患，所以調(diào)度人員往往缺乏對點(diǎn)預(yù)測結(jié)果的信任，也就是說 點(diǎn)預(yù)測結(jié)果很難被用作調(diào)度手段制定時的參考，以防止錯誤的調(diào)度手段給工業(yè)生產(chǎn)帶來巨 大的損失。


【發(fā)明內(nèi)容】

[0005] 本發(fā)明要解決的技術(shù)問題是現(xiàn)有冶金企業(yè)煤氣流量區(qū)間預(yù)測問題。為解決上述這 一問題，對煤氣系統(tǒng)的發(fā)生流量和消耗流量的變化情況進(jìn)行分析，針對煤氣系統(tǒng)的流量區(qū) 間預(yù)測，首先對煤氣流量數(shù)據(jù)采用重采樣方法進(jìn)行重采樣處理以構(gòu)造有效的訓(xùn)練樣本，然 后建立一種回聲狀態(tài)網(wǎng)絡(luò)集成預(yù)測模型，預(yù)測當(dāng)前時間點(diǎn)后指定時間長度內(nèi)（為保證預(yù)測 的精度通常此時間長度小于60分鐘）煤氣系統(tǒng)的發(fā)生和消耗流量；針對煤氣流量預(yù)測過程 中預(yù)測區(qū)間的構(gòu)建，分別采用Boot strap估計方法和Bayes ian估計方法估計模型不確定性 和數(shù)據(jù)不確定性對預(yù)測結(jié)果的影響，進(jìn)而為煤氣流量預(yù)測構(gòu)造置信區(qū)間和預(yù)測區(qū)間（置信 度為95% )。利用該發(fā)明可以準(zhǔn)確地為煤氣系統(tǒng)流量構(gòu)造預(yù)測區(qū)間，從而為煤氣系統(tǒng)的平 衡調(diào)度提供決策支持。
[0006] 本發(fā)明技術(shù)方案的整體實現(xiàn)流程如附圖1所示，具體步驟如下：
[0007] 1.現(xiàn)場數(shù)據(jù)的讀?。簭囊苯鹌髽I(yè)現(xiàn)場實時數(shù)據(jù)庫中讀取所需的煤氣系統(tǒng)的用戶 流量數(shù)據(jù)；
[0008] 2.數(shù)據(jù)樣本的構(gòu)建：采用Bootstrap重采樣方法步驟1中獲得的流量數(shù)據(jù)進(jìn)行重 采樣處理以構(gòu)建有效地訓(xùn)練樣本；
[0009] 3.初步建立區(qū)間預(yù)測模型：建立基于回聲狀態(tài)網(wǎng)絡(luò)集成的區(qū)間預(yù)測模型，模型的 結(jié)構(gòu)參數(shù)和權(quán)值參數(shù)待定；
[0010] 4.估計區(qū)間預(yù)測模型的參數(shù)：根據(jù)步驟2得到的訓(xùn)練樣本和步驟3初步建立的網(wǎng) 絡(luò)集成模型，采用〇. 632 Bootstrap交叉驗證的方法確定回聲狀態(tài)網(wǎng)絡(luò)集成模型的結(jié)構(gòu)，采 用Bayesian估計方法確定網(wǎng)絡(luò)集成模型的權(quán)值參數(shù)，此過程還可求得數(shù)據(jù)噪聲的方差， 可用以估計數(shù)據(jù)噪聲對預(yù)測結(jié)果的影響；
[0011] 5.構(gòu)造置信區(qū)間和預(yù)測區(qū)間：步驟4結(jié)束后，會得到結(jié)構(gòu)和權(quán)值參數(shù)已知的回聲 狀態(tài)網(wǎng)絡(luò)集成模型，給定新的輸入可以得到預(yù)測輸出，以及模型不確定性對預(yù)測結(jié)果的影 響，這樣便可為煤氣用戶流量預(yù)測構(gòu)造置信區(qū)間，根據(jù)步驟4求得的數(shù)據(jù)噪聲的方差，可進(jìn) 一步為煤氣用戶流量預(yù)測構(gòu)造預(yù)測區(qū)間。
[0012] 本發(fā)明的效果和益處是：
[0013] 本發(fā)明在對煤氣系統(tǒng)流量進(jìn)行區(qū)間預(yù)測時，考慮現(xiàn)場的流量數(shù)據(jù)可能存在著間斷 的特點(diǎn)，采用Bootstrap方法對原始流量數(shù)據(jù)進(jìn)行重采樣處理以構(gòu)建訓(xùn)練樣本集，保證了 訓(xùn)練樣本的完備性；本發(fā)明中Bootstrap估計方法的引入，可以在求得預(yù)測結(jié)果的同時，計 算出模型不確定性對預(yù)測結(jié)果的影響，而Bayesian估計方法的引入，可以在求得網(wǎng)絡(luò)集成 模型參數(shù)的同時，計算出數(shù)據(jù)噪聲對預(yù)測結(jié)果的影響，本發(fā)明方法的計算復(fù)雜度完全可以 滿足工業(yè)應(yīng)用的需要；本發(fā)明能夠充分利用現(xiàn)有的煤氣系統(tǒng)已知的流量歷史數(shù)據(jù)，預(yù)測當(dāng) 前時間后調(diào)度人員指定時間長度內(nèi)煤氣系統(tǒng)的發(fā)生和消耗流量，并為流量預(yù)測構(gòu)造相應(yīng)的 置信區(qū)間和預(yù)測區(qū)間，從而為煤氣的平衡調(diào)度提供有效的在線決策支持。

【專利附圖】

【附圖說明】
[0014] 圖1為本發(fā)明區(qū)間預(yù)測整體流程圖。
[0015] 圖2(a)為3#高爐煤氣發(fā)生流量曲線。
[0016] 圖2(b)為2#高爐用轉(zhuǎn)爐煤氣流量曲線。
[0017] 圖3(a)為本發(fā)明實施方案中3#高爐煤氣發(fā)生流量區(qū)間預(yù)測效果圖。
[0018] 圖3(b)為本發(fā)明實施方案中2#高爐用轉(zhuǎn)爐煤氣流量區(qū)間預(yù)測效果圖。
[0019] 圖4(al、bl、cl、dl)是本發(fā)明實施方案中3#高爐煤氣發(fā)生流量區(qū)間各預(yù)測結(jié)果 比較圖。
[0020] 其中：al是本發(fā)明方法，blBayesian方法，cl是Delta方法，dl是MVE方法。
[0021] 圖4(a2、b2、c2、d2)是本發(fā)明實施方案中2#高爐煤氣發(fā)生流量區(qū)間各預(yù)測結(jié)果 比較圖。
[0022] 其中：a2是本發(fā)明方法，b2Bayesian方法，c2是Delta方法，d2是MVE方法。
[0023] 圖5為本發(fā)明實施方案的現(xiàn)場運(yùn)行圖，圖5中最上一行顯示文字為下拉菜單，如預(yù) 測系統(tǒng)和多用戶顯示等；圖5中左側(cè)部分為所顯示的預(yù)測系統(tǒng)，包括系統(tǒng)中的發(fā)生用戶、消 耗用戶和調(diào)整用戶等，用戶可以根據(jù)需要查看不同用戶的流量預(yù)測效果，預(yù)測效果曲線顯 示在圖5的右側(cè)部分，圖5右側(cè)的預(yù)測畫面中垂直堅線為當(dāng)前時間軸，垂直堅線左側(cè)的實曲 線為當(dāng)前時間點(diǎn)前20分鐘內(nèi)的3#高爐煤氣發(fā)生流量變化的真實曲線，垂直堅線右側(cè)的平 滑虛線為當(dāng)前時間點(diǎn)后60分鐘內(nèi)的3#高爐煤氣發(fā)生流量變化的預(yù)測曲線，垂直堅線右側(cè) 的兩條平滑實線所夾區(qū)域為所構(gòu)造的當(dāng)前時間點(diǎn)后60分鐘內(nèi)的3#高爐煤氣發(fā)生流量變化 的預(yù)測區(qū)間。

【具體實施方式】
[0024] 為了更好地理解本發(fā)明的技術(shù)方案，以下結(jié)合具體案例對本發(fā)明的實施方式作詳 細(xì)描述，附圖2為國內(nèi)某冶金企業(yè)的煤氣流量監(jiān)測曲線，其中2 (a)為3#高爐煤氣發(fā)生流量 曲線圖，圖2(b)為2#高爐用轉(zhuǎn)爐煤氣流量曲線圖。雖然現(xiàn)場煤氣調(diào)度人員通過人工實時 監(jiān)測和經(jīng)驗的方法來預(yù)測未來一段時間的煤氣流量變化，但由于煤氣系統(tǒng)用戶眾多，估算 煤氣系統(tǒng)各用戶的流量在未來的變化情況，工作量很大，而且調(diào)度人員對估算結(jié)果的可靠 性缺少必要的分析，會增加調(diào)度的風(fēng)險性。因此必須建立合理的煤氣系統(tǒng)流量預(yù)測模型，并 能夠有效評估預(yù)測結(jié)果的可靠性，即實現(xiàn)煤氣系統(tǒng)流量的區(qū)間預(yù)測。按照附圖1所示的方 法流程，本發(fā)明的具體實施步驟如下：
[0025] 步驟1 :現(xiàn)場數(shù)據(jù)的讀取
[0026] 從冶金企業(yè)現(xiàn)場實時數(shù)據(jù)庫讀取預(yù)測所需的煤氣系統(tǒng)用戶流量數(shù)據(jù)，將數(shù)據(jù)按時 間點(diǎn)劃分為訓(xùn)練數(shù)據(jù)集和預(yù)測數(shù)據(jù)集，當(dāng)前時間點(diǎn)前的一段時間內(nèi)的數(shù)據(jù)為預(yù)測數(shù)據(jù)集， 遠(yuǎn)離當(dāng)前時間點(diǎn)的歷史數(shù)據(jù)為訓(xùn)練數(shù)據(jù)集。
[0027] 步驟2 :數(shù)據(jù)樣本的構(gòu)造
[0028] 從訓(xùn)練數(shù)據(jù)集中構(gòu)造原始的訓(xùn)練樣本集D, = IuVX1，其中，Ui為訓(xùn)練樣本集中 的第i個樣本的輸入，輸入樣本Ui的維度為m #為訓(xùn)練樣本集中的第i個樣本的輸出，輸 出樣本維度為I ;n為原始訓(xùn)練樣本集中樣本的個數(shù)。按Bootstrap重采樣方法對原始訓(xùn)練 樣本進(jìn)行抽樣得到容量為n的Bootstrap樣本A ，按同樣地方法進(jìn)行B次，就可 以得到一組Bootstrap樣本集（D1, D2，…，DB}，也就是Bootstrap訓(xùn)練樣本集。
[0029] 從預(yù)測數(shù)據(jù)集中構(gòu)造預(yù)測用輸入樣本u%即當(dāng)前時間點(diǎn)之前長度為m的一段數(shù)據(jù) 樣本。
[0030] 步驟3 :初步建立回聲狀態(tài)網(wǎng)絡(luò)集成模型
[0031] 由于有B組Bootstrap樣本，因此回聲狀態(tài)網(wǎng)絡(luò)集成模型包含B個回聲狀態(tài)網(wǎng)絡(luò) 單元，每一組Bootstrap樣本為一個回聲狀態(tài)網(wǎng)絡(luò)單元的訓(xùn)練樣本。采用基于回聲狀態(tài)網(wǎng) 絡(luò)集成的預(yù)測方法來預(yù)測煤氣系統(tǒng)流量，具體模型如下：

【權(quán)利要求】
1?一種基于Bootstrap回聲狀態(tài)網(wǎng)絡(luò)集成的冶金企業(yè)煤氣流量區(qū)間預(yù)測方法，其特征 在于如下步驟： (1)從冶金企業(yè)現(xiàn)場實時數(shù)據(jù)庫讀取預(yù)測所需的煤氣系統(tǒng)用戶流量數(shù)據(jù)，將數(shù)據(jù)按時 間點(diǎn)劃分為訓(xùn)練數(shù)據(jù)集和預(yù)測數(shù)據(jù)集，當(dāng)前時間點(diǎn)前的一段時間內(nèi)的數(shù)據(jù)為預(yù)測數(shù)據(jù)集， 遠(yuǎn)離當(dāng)前時間點(diǎn)的歷史數(shù)據(jù)為訓(xùn)練數(shù)據(jù)集； ⑵從訓(xùn)練數(shù)據(jù)集中構(gòu)造原始的訓(xùn)練樣本集其中，屮為訓(xùn)練樣本集中的 第i個樣本的輸入，輸入樣本屮的維度為m#為訓(xùn)練樣本集中的第i個樣本的輸出，輸出 樣本維度為1 為原始訓(xùn)練樣本集中樣本的個數(shù)；按Bootstrap重采樣方法對原始訓(xùn)練樣 本進(jìn)行抽樣得到容量為n的Bootstrap樣本A=丨，按同樣地方法進(jìn)行B次，得到一 組Bootstrap樣本集他，D2，…，DB}，也就是Bootstrap訓(xùn)練樣本集； 從預(yù)測數(shù)據(jù)集中構(gòu)造預(yù)測用輸入樣本u%即當(dāng)前時間點(diǎn)之前長度為m的一段數(shù)據(jù)樣 本； (3) 初步建立回聲狀態(tài)網(wǎng)絡(luò)集成模型 由于有B組Bootstrap樣本，因此回聲狀態(tài)網(wǎng)絡(luò)集成模型包含B個回聲狀態(tài)網(wǎng)絡(luò)單元， 每一組Bootstrap樣本為一個回聲狀態(tài)網(wǎng)絡(luò)單元的訓(xùn)練樣本；采用基于回聲狀態(tài)網(wǎng)絡(luò)集成 的預(yù)測方法來預(yù)測煤氣系統(tǒng)流量，具體模型如下：
其中，W:為第b個回聲狀態(tài)網(wǎng)絡(luò)單元的輸入權(quán)值參數(shù)，Wb為第b個回聲狀態(tài)網(wǎng)絡(luò)單元 的儲備池神經(jīng)元連接權(quán)值參數(shù)，\￥廠為第b個回聲狀態(tài)網(wǎng)絡(luò)單元的輸出權(quán)值參數(shù)，< 為第 b個回聲狀態(tài)網(wǎng)絡(luò)單元的儲備池神經(jīng)元狀態(tài)，維度為N，<為第b個回聲狀態(tài)網(wǎng)絡(luò)單元的輸 出，yi為網(wǎng)絡(luò)集成模型的輸出，V為真實輸出，e,為零均值高斯白噪聲，為模型預(yù)測的 誤差，以反映所見模型的不確定性； (4) 確定網(wǎng)絡(luò)集成模型的參數(shù) 回聲狀態(tài)網(wǎng)絡(luò)集成模型初步建立后，可采用0.632B〇〇tstrap交叉驗證的方法來確 定網(wǎng)絡(luò)集成模型的結(jié)構(gòu)參數(shù)，即網(wǎng)絡(luò)集成模型中回聲狀態(tài)網(wǎng)絡(luò)單元的個數(shù)B以及回聲 狀態(tài)網(wǎng)絡(luò)單元中儲備池神經(jīng)元的個數(shù)N;確定網(wǎng)絡(luò)集成模型結(jié)構(gòu)參數(shù)過程中的權(quán)值參數(shù) 估計本發(fā)明中采用Bayesian估計方法，即通過Bayesian估計方法確定模型的權(quán)值參數(shù)
和超參數(shù)a和運(yùn)； (5) 構(gòu)造置信區(qū)間和預(yù)測區(qū)間 首先要計算給定預(yù)測輸入樣本^下，回聲狀態(tài)網(wǎng)絡(luò)集成模型的輸出f，
基于Bootstrap方法估計模型的不確定性，即因模型不確定性導(dǎo)致的偏差的方差：
步驟4中基于Bayesian方法估計超參數(shù)的過程可以求得數(shù)據(jù)噪聲的方差，也就是反 映數(shù)據(jù)不確定性導(dǎo)致的偏差的方差1/0 ;這樣就得到一個以均值，為中心的置信水平為 1-a的置信區(qū)間，和一個以均值為中心的置信水平為卜《的預(yù)測區(qū)間
，其中，ta/2(B_l)表示自由度為（B-1)的t分布函數(shù)在分位數(shù)為 a/2處的取值。
2.根據(jù)權(quán)利要求1所述的冶金企業(yè)煤氣流量區(qū)間預(yù)測方法，其特征在于，確定網(wǎng)絡(luò)集 成模型參數(shù)具體步驟如下： (1) 設(shè)計b=b+1，如果b大于B，則跳出循環(huán)； (2) 設(shè)計a=a+10,如果a大于N，則跳出循環(huán)； (3) 初始化權(quán)值參數(shù)0 °，超參數(shù)a°和3 ° ; (4) 已知當(dāng)前權(quán)值參數(shù)為
的維數(shù)與a有關(guān)，超參數(shù)為 a1和0 1，采用變尺度共軛梯度法尋找能夠使目標(biāo)函數(shù)值最大的最優(yōu)參數(shù)值〃=，并基于 沒=計算五；：1和五r;
(5) 采用下述的迭代公式計算新的超參數(shù)值ai+1和Pi+1:

(6) 把獲得的新的參數(shù)值0i+1以及新的超參數(shù)值ai+1和Pi+1作為新的迭代初始值返 回步驟四，直到滿足迭代終止條件為止； (7) 基于最優(yōu)的參數(shù)eMP，計算出預(yù)測誤差perr°_632,保存預(yù)測誤差perr°_632和參數(shù)最優(yōu) 值％P; (8) 返回步驟2; (9) 返回步驟1 ; (10) 尋找預(yù)測誤差Per# 632最小時的網(wǎng)絡(luò)結(jié)構(gòu)作為最優(yōu)的網(wǎng)絡(luò)結(jié)構(gòu)，并記錄最優(yōu)的參 數(shù)值9。
【文檔編號】G06F19/00GK104408317SQ201410719900
【公開日】2015年3月11日 申請日期:2014年12月2日 優(yōu)先權(quán)日:2014年12月2日
【發(fā)明者】趙珺, 盛春陽, 劉穎, 王偉 申請人:大連理工大學(xué)