模块化模糊神经网络训练策略研究

为分析模块化模糊神经网络的训练机制,进一步降低其训练复杂度,增强模型的泛化性能,尝试采用部分训练样本对模型进行相对粗训练,并以广西全省1957—2003年连续47 a 5月平均降水量作为实验数据,统计各种参数条件下模型的逐步预测误差情况。结果表明:由部分训练样本参与训练的模型所得测试误差普遍低于由全部训练样本参与训练的模型所得测试误差,证明该方法可行。

基于模糊模块化神经网络的煤矿安全性评价

在合理选取煤矿安全性评判指标的基础上,运用模糊神经网络理论建立了煤矿安全性评价的模糊Modular神经网络模型,在开滦煤矿的实际应用表明了此模型用于煤矿安全性评价的可行性。

模糊化的Modular模糊神经网络降水预报模型研究

以广西西南部前汛期5、6月25个气象站平均逐日降水量作为预报对象,采用自然正交分解方法和模糊化方法对输入因子预处理后,结合Modular模糊神经网络建立了一种新的降水预报模型,并进行了逐日业务预报应用试验。结果表明,该降水预报模型比常规Modular模糊神经网络方法及逐步回归方法有更高的预报精度,具有较好的业务应用前景。

一种新的暴雨灾害预报非线性建模方法

针对一般模块化模糊神经网络(MFNN)的门网络普遍采用模糊C均值聚类算法(FCM),没有对样本特征进行优化的问题,提出了在门网络中采用模糊核聚类算法(FKCA)替代模糊C均值聚类算法,构建了一种新的模糊核聚类模块化模糊神经网络预报模型。进一步采用动力消空算法、切比雪夫多项式展开方法和自然正交展开方法对预报量和预报因子进行计算处理后,分别建立了普通模块化模糊神经网络和模糊核聚类模块化模糊神经网络暴雨预报模型。利用这两种预报模型进行的暴雨预报试验表明,在相同的条件下,改进模型具有更高的暴雨预报TS评分。