采用改进的BP神经网络预测离心通风机性能的研究

ＢＰ神经网络在离心通风机性能预测的研究中具有重要的价值．研究结果表明，对于任意平方可积函数，都可以采用ＢＰ算法通过对样本的学习获得满意的模拟结果，因此，在构造离心通风机性能预测模型中，ＢＰ算法提供了一个有力的工具．但是，在实际应用中，ＢＰ算法的收敛速度很慢，而且，从数学上看，它是一种梯度最速下降法，这就不可避免地存在着局部最小问题，尤其在训练量大、输入参数众多的情况下，学习效果大受影响．作者从改善ＢＰ网络结构、改进学习算法、初始化权值选取等方面入手，采用了函数联接网络，引入了改进的模拟退火法和自适应变步长的ＢＰ算法相混合的学习算法，并采用了一种有效的权值初始化方法，显著地提高了神经网络模拟非线性动力系统的效果，从而较好地完成了离心通风机的性能预测．