基于MPPNN时空维动态系统建模技术研究

作     者：刘明 

作者单位：东北石油大学 

学位级别：硕士

导师姓名：刘显德

授予年度：2011年

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

主      题：MPPNN 时空维 动态系统建模 勒让德正交基 差分进化算法 

摘      要：目前动态系统建模技术对于解决线性系统的理论和方法发展已经比较成熟,对于一些复杂的非线性系统也取得了一定的成果。但是许多实际系统具有高度的复杂性和时变性,甚至对于一些系统中存在着不确定性因素,很难用精确的数学模型来描述其过程。因此采用传统的动态系统建模技术建立这类模型难度较大,并且建立的模型精度也不高。MPPNN是传统神经元网络扩展到时间域上的一种新型人工神经网络模型。网络的输入输出与连接权函数均可为依赖于时间(或过程)变化的连续多元函数。MPPNN模型具有良好的非线性性质、强泛化能力和高容错性以及大规模并行分布处理和良好的自适应学习机制等特点,因此,将MPPNN应用于时空维动态系统建模技术的研究中具有很好的适应性。 论文分析了常用的系统建模方法,结合时空维动态系统建模技术问题,研究适合该问题的多聚合过程神经元网络模型。建立了时空维MPPNN模型,并针对MPPNN运算量庞大,信息变换机制复杂等问题提出了基于结构并行和数据并行两种MPPNN并行化策略。同时提出了基于勒让德正交基展开的MPPNN学习算法和基于改进的差分进化算法的多聚合神经元网络学习算法,大大提高了网络训练的速度和准确度。最后提出了一种简化的离散化MPPNN模型,并将该模型应用于油藏四维动态系统建模中,应用实例证明了模型和算法的有效性。 将MPPNN用于时空维动态系统建模技术研究,可利用MPPNN同时具有对时空维信息的处理能力和对系统输入/输出及内部状态的非线性变换能力,以及网络结构模型构建的灵活性,在机制上对于问题求解具有很好的适应性。同时也可将MPPNN应用于信息检索、信息过滤、数据挖掘等多个实际领域,具有良好的实际应用前景。