改进回声状态网络的可燃气体异常检测研究

为了提高可燃气体异常检测的预测精度,针对回声状态网络中权值的随机初始化会造成实际值和预测值之间误差较大的问题,提出一种改进回声状态网络的权值初始化方法.首先利用Xavier初始化方法使得各层激活值的方差、状态梯度的方差分别在传播过程中保持一致,从而确保网络中信息更好地流动,然后采用改进回声状态网络对时间序列数据进行学习,建立预测模型,最后分别在三类不同的数据集上对模型性能进行仿真测试.结果表明,与原回声状态网络相比,改进后模型的均方误差、归一化均方根误差和平均绝对百分比误差明显降低,可以对可燃气体信息进行更准确的预测,根据预测值和实际值的残差实现对可燃气体的异常检测,具有更好的应用价值.