基于遗传算法的BP神经网络优化动力配煤模型的研究

BP神经网络具有较强的学习能力，但在传统的研究中，隐含层节点、学习因子和动量因子往往采用试凑法得到相对较佳值，而试凑法在浪费较多时间的同时，可能得不到理想的BP神经网络输出，这对研究造成了一定的困难。文中采用智能算法来解决BP神经网络优化问题。遗传算法作为一种随机搜索算法，能够快速寻找到全局最优解，可以应用于本优化问题。因此，文章采用遗传算法优化BP神经网络上述参数，将改进后的BP神经网络运用于动力配煤非线性模型的研究。结果表明，采用遗传算法优化的BP神经网络具有较强的预测能力，对煤质的发热量预测误差优于线性平均模型误差，并且仿真表明动力配煤模型为近似线性的非线性模型， BP网络的输出值误差波动较小，结果理想。