基于遗传优化BP神经网络的信噪比预测研究

翟龙飞 陈迎春 杨冲 贾波

【摘要】 BP神经网络良好的非线性拟合能力和精确的数据归纳能力，使其广泛应用于各个领域。但在训练过程中也暴露出网络结构不易确定和易陷于局部最小等不足。本文基于短波信号接收信噪比预测数据，利用遗传算法分别从BP网络结构和网络参数两个方面进行算法改进，最后通过仿真测试，比较出BP网络和GA+BP网络的优缺点。

【关键词】 遗传算法 BP神经网络 信噪比预测

遗传算法是一种能够实现全局搜索功能的人工智能算法，本文将针对BP网络结构和BP网络参数两方面不足，利用遗传算法对其进行改进。

一、遗传算法基本操作

遗传算法在寻求最优解时的具体操作如下：①基因编码②产生种群③计算个体适应度值④进行选择、交叉、变异等[1]。

二、基于遗传算法的优化分析

2.1网络结构优化

2.1.1 GA优化网络结构的具体步骤

2.1.2实例仿真

在matlab环境下对短波信号接收信噪比预测数据进行操作，得到最优网络结构ly：0 0 0 1 1 1 1 1 1 0，前两位的0 0表示该网络为单隐层，中间4位表示单隐层的神经元个数为：0*2^0+1*2^1+1*2^2+1*2^3=14。所以本问题的最优网络结构为：单隐层，隐层神经元个数为14。

2.2网络参数优化

2.2.1 GA优化网络参数的具体步骤

①基于短波信号接收信噪比预测数据，选取训练输入和输出数据集。 ②根据输入输出数据确定输入和输出的神经元个数，代入公式得到编码长度。③设定种群规模popu，并初始化种群。④计算各个个体的适应值。⑤根据个体适应度的大小，执行选择、交叉和变异等基因操作产生下一代种群。⑥返回④，直到达到目标要求得到最优解。

2.2.2实例仿真

三、BP网络与GA+BP网络性能分析比较

由上表数据不难发现，相较纯BP网络，基于遗传算法的优化后的GA+BP网络，其性能参数MSE趋于更小，同时网络训练更加稳定。虽然训练过程中，遗传操作会增加一定的耗时，但时间增加不多，综合考虑，选取GA+BP网络比BP网络更适于系统稳定误差小的要求。

参 考 文 献

[1] 牛向阳.基于遗传算法的同步优化算法[J].应用数学与计算数学学报， 2007年（1期）