基于BP神经网络的兰州地区军用油料消耗预测

发布时间：2020-05-22 00:35

【摘要】：随着时代的不断发展,当前以信息技术为核心的新军事变革已袭卷全球,并对我军的后勤油料精细化保障提出了新的更高的要求。加强军用油料消耗预测作为其中的重要内容,对于用油单位编报申请计划,油料管理部门分配油料指标,决策机关制定订购、调拨计划都具有重要的决策意义。 本文针对建立兰州地区军用油料消耗预测模型这一实际问题,在对比当前几种常见的预测方法基础上,重点介绍了利用人工神经网络特别是BP神经网络进行预测的原理及特点,以及区别于其他方法的独特之处。从理论上证明,BP神经网络对于像军用油料消耗这一类复杂的非线性系统具有良好的逼近能力。 由于标准BP神经网络算法存在着诸如容易陷于局部最小值、收敛速度慢、预测精度不高等问题,因此需要对其进行改进以获得更为理想的预测效果。根据基于原理不同,主要有基于梯度下降法和基于数值优化这两类改进学习算法。本文分别提出一例作为代表,即动量一自适应学习算法和L-M学习算法作为下一步预测的主要算法。 根据BP神经网络的预测步骤,建立兰州地区军用油料消耗预测模型,采用两种学习算法,通过MATLAB工具箱对网络进行训练,并分别利用训练好的网络对军用油料消耗进行预测。通过实验的仿真结果,对比分析两种学习算法,得出利用数值优化学习算法预测效果最好。
【图文】：

xi为第i神经元到神经元j的输入，，yj为输出信号，劳为闭值，w。为从神经元i到神经元j的连接权值，f(s，)为传递函数。不同的传递函数决定了神经元的不同输出特性〔2]。常用的传递函数如下图2一3所示。l·州l一:}

本文编号：2675157