[发明专利]基于非线性神经网络的智慧城市系统人工智能评价方法

权利要求书

1.一种基于非线性神经网络的智慧城市系统人工智能评价方法，其特征在于：智慧城市系统人工智能评价方法基于智慧城市系统，所述智慧城市系统包括至少一个数据信息采集端，与数据信息采集端通过I/O通信的控制装置，受控于控制装置的终端，以及远程服务器和用于数据通信的数据通信装置，所述智慧城市系统还包括计时装置，所述人工智能评价方法包括：

步骤1：建立初始数据库；

步骤2：对初始数据库进行预处理，得到预测数据库；

步骤3：依据预测数据库，依据带有外部输入的非线性自回归网络，建立关于时间序列的非线性自回归智慧城市系统性能预测模型p(t)，所述外部输入为外部印象因素u(t)，所述带有外部输入的非线性自回归网络包括输入层、输入滞时、隐藏层、输出层及输出滞时：

p(t)＝f(p(t-n),...p(t-1),u(t-n),...u(t-1),W)

p(t)＝f[(p(t),u(t),W)]；

步骤4：根据非线性自回归智慧城市系统性能预测模型p(t)，激励函数以及训练算法，进行实时非线性自回归智慧城市系统性能预测，并将性能预测结果输入初始数据库；

其中，t表示时间，p表示数据流量，n为正整数，n为延时阶数，W表示权重矩阵。

2.根据权利要求1所述的基于非线性神经网络的智慧城市系统人工智能评价方法，其特征在于：所述建立初始数据库包括进行模拟实验，采集实验数据输入远程服务器或者根据历史评价结果生成数据库。

3.根据权利要求1所述的基于非线性神经网络的智慧城市系统人工智能评价方法，其特征在于：所述延时阶数为30，隐藏层数量为1，隐藏层神经元数量l＝20。

4.根据权利要求3所述的基于非线性神经网络的智慧城市系统人工智能评价方法，其特征在于：所述训练算法为SCG算法。

5.根据权利要求3所述的基于非线性神经网络的智慧城市系统人工智能评价方法，其特征在于：所述激励函数为S型函数。

6.根据权利要求5所述的基于非线性神经网络的智慧城市系统人工智能评价方法，其特征在于：所述激励函数为T Elloit S函数。

7.根据权利要求5所述的基于非线性神经网络的智慧城市系统人工智能评价方法，其特征在于：所述激励函数为Tan-Sigmoid函数。

8.根据权利要求1所述的基于非线性神经网络的智慧城市系统人工智能评价方法，其特征在于：所述预处理包括对数据库数据进行数据分类，计算时间差以及对数据进行数据排列。

9.根据权利要求8所述的基于非线性神经网络的智慧城市系统人工智能评价方法，其特征在于：所述数据分类包括分类为输入时间、控制装置接收时间、控制装置输入时间、终端接收时间、终端输出时间、输入反馈时间。