[发明专利]基于GA-BP神经网络的湿气管道持液率预测方法

权利要求书

1.本权利要求所述的基于GA-BP神经网络预测湿气管道持液率的方法，其特征是优化算法准确性高，全自动的计算与误差分析，对原始数据的要求友好；

本权利要求所述的遗传算法构建神经网络结构部分，主要包括：随机产生初始种群；解评价码后得到的神经网络，计算其对应染色体的适应度；选择、交叉、变异构成下一代种群；满足性能评价标准或到达给定代数，解码种群适应度最高的染色体，参数集构成结构最优的神经网络。

本权利要求所述的遗传算法对神经网络优化部分，其特征是：遵循“优胜劣汰”的原则，具有良好的全局搜索性能，较好的克服了BP算法局部最优的缺陷，同时可优化BP神经网络初始权重和阈值，进一步提高BP神经网络的计算精度。其主要步骤是：

步骤1：将BP神经网络的初始权值与阈值作为遗传算法的进化对象，对其进行种群初始化；

步骤2：将BP神经网络总误差函数的倒数作为遗传算法中的适应度函数，计算每个个体的适应度，如果此时的权值与阈值并不是最优，在不断经历选择、交叉、变异环节之后，筛选出最佳的权值与阈值。

步骤3：将此权值与阈值解码输入到BP神经网络中，这标志着遗传算法阶段的结束，开始执行BP神经网络算法的训练过程：；

步骤4：不断进行信号的正向传播和误差的反向传播，直至达到符合要求的误差精度为止。

此时BP神经网络训练结束，湿气管道持液率的GA-BP神经网络评价模型完成建立。