改进混沌粒子群的动态模糊神经网络参数优化及应用  

Application and Parameter Optimization of Dynamic Fuzzy Neural Network Based on Improved Chaotic Particle Swarm Optimization

作　　者：匡芳君[1,2] 张思扬[2] 徐蔚鸿[1,3] 

机构地区：[1]南京理工大学计算机科学与工程学院,江苏南京210094 [2]湖南安全技术职业学院电气与信息工程系,湖南长沙410151 [3]长沙理工大学计算机与通信工程学院,湖南长沙410114

出　　处：《微电子学与计算机》2015年第1期48-53,共6页Microelectronics & Computer

基　　金：国家自然科学基金资助项目(61373063);湖南省科技计划项目(2012SK4046,2013FJ4217);湖南省教育厅资助科研项目(13C086)

摘　　要：动态模糊神经网络(DFNN)的性能和学习的稳定性取决于其预设参数的选择,针对DFNN多参数优化问题,提出了改进混沌粒子群优化算法,并将其应用于DFNN神经网络预设参数寻优,以获取最佳参数组合.实验结果表明,该方法能够快速有效地提取DFNN的最优参数组合,具有精度高、收敛快、迭代次数少等特点;利用改进混沌粒子群的动态模糊神经网络构建煤与瓦斯突出预测模型,具有良好的建模效果和更高的预测精度.The performance and the study stability of dynamic fuzzy neural network(DFNN)depend on its preset parameters selection.To the multi-parameter optimization problem of DFNN,improved chaotic particle swarm optimization(ICPSO)is proposed to find the best combination of the preset parameters of DFNN.The experimental results further demonstrate that the ICPSO provides an effective way to search the best parameters combination of DFNN,and has the better precision,the quicker convergence speed and the fewer iteration steps.DFNN model based on improved chaotic particle swarm optimization is built for coal and gas outbursts,which has good modeling and higher prediction accuracy.

关 键 词：动态模糊神经网络 混沌粒子群优化 早熟处理机制 参数优化 煤与瓦斯突出 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]