[发明专利]基于构造－剪枝混合优化RBF网络的煤灰熔点预测方法

权利要求书

1.一种基于构造-剪枝混合优化RBF网络的煤灰熔点预测方法，其特征在于：该方法分为“粗调”和“精调”两个阶段，粗调阶段按照以使能量函数最小为原则动态增加隐节点数目，选取相应的样本输入作为数据中心，直至隐节点数满足停止准则时停止；精调阶段用Gaussian正则化方法对粗调得到的RBF网络的结构和参数作进一步调整，调整对象为数据中心调整、输出权值调整、冗余隐节点删除和正则化系数的动态调整；基于煤灰的化学组成成分建立相应的构造-剪枝混合优化RBF网络，并以该网络预测煤灰熔点。

2.根据权利要求1所述的基于构造-剪枝混合优化RBF网络的煤灰熔点预测方法，其特征在于所述粗调具体步骤如下：

(A1)先从样本输入中选取网络的第一个数据中心，然后每次增加一个隐节点，逐步调整该数据中心的值，新的隐节点数据中心的选取以使能量函数最小为原则；采用Gaussian正则化方法时的能量函数为：

E=(Y=P~MW~)T(Y-P~MW~)+λW~TW~---(1)]]>

其中，Y＝[y₁，y₂，...，y_N]^T为神经网络的教师输出向量，为权值向量，为隐节点的响应函数向量，λ为正则化系数；

(A2)当下式满足时，停止粗调：

C(P~M+1TP~M+1)>Cmax---(3)]]>

其中，C(A)＝||A||||A^-1||为矩阵A的条件数，||A||为Frobenius范数；为隐节点的响应函数向量，为新增隐节点的响应函数向量，x_i为新隐节点的数据中心；C_max是一个需预先确定的量。