基于SSA-Elman的非线性系统辨识

为提高非线性系统的辨识能力,利用神经网络具有逼近任意非线性函数的优点,提出了基于SSA-Elman非线性系统辨识方法。首先利用系统输入和输出数据作为Elman神经网络的输入和输出进行网络训练;其次针对Elman神经网络易出现局部极小化、收敛速度慢以及难以正确选取网络权值和阈值的初始值的缺点,选用了麻雀搜索算法对其进行优化;最后选用MATLAB作为仿真环境进行数值仿真。实验结果表明,对于非线性系统辨识的问题上,基于麻雀搜索算法优化的Elman神经网络能有效地降低系统辨识误差。