基于遗传算法的分式线性神经网络预测原油气油比摘要：提出了基于遗传算法的分式线性神经网络优化方法。该方法首先用遗传算法优化分式线性网络的权值，然后在遗传进化结果的基础上，利用分式线性网络反向传播(BP)算法训练分式线性网络，获得网络的最优权值作为应用，预测原油溶解气油比的基于遗传算法的分式线性神经网络模型被给出。对比实验表明，基于遗传算法的分式线性神经网络优化方法是一种新的建模方法。Abstract：Thepaperputsforwardtheoptimizationmethodoffractionallinearneuralnetworkbasedongeneticalgorithm.Itfirstlyoptimizestheweightoffractionallinearnetworkbyusinggeneticalgorithm,andthen,onthebasisofgeneticimprovedresult,trainsfractionallinearnetworkbyfractional1inearnetworkbackpropagation(BP)algorithm,andgetstheoptimalweightsofnetwork.Itisappliedtobuildthefractionallinearneuralnetworkmodelbasedongeneticalgorithmforpredictingthegas-oilratiooforiginaloil.TheComparativeexperimentsshowthatthefractionallinearneuralnetworkoptimizationmethodbasedongeneticalgorithmisakindofnewmodelingmethod.关键词：遗传算法；分式线性神经网络；预测模型；原油气油比Keywords：geneticalgorithm；fractionallinearneuralnetwork；predictionmodel；gas-oilratiooforiginaloil：TP183文献标识码：A：1006-4311(2013)28-0221-020引言BP网络是一种应用最为广泛的前馈神经网络。但是BP网络收敛速度慢，易陷入局部极小。遗传算法是一种自适应全局优化概率搜索算法，具有较强的鲁棒性，可以与BP网络结合避免其陷入局部最小。一些学者对BP网络进行了优化和改进，如吴清佳等［1］采用VC维方法确定网络结构，再用BP算法和基本遗传算法对暴雨量进行预测分析；张少文等［2］尝试用GA-BP算法建立了黄河上游降雨-径流神经网络预测模型。由相关数学概念可知，线性函数的倒数是分式线性函数。文献［3］证明了分式线性神经网络具有比常见BP网络更强、更广泛的逼近能力。但是，分式线性网络反向传播(BP)学习算法也有不收敛或易陷入局部极小的可能。本文结合GA和分式线性网络BP算法的特点构建了基于遗传算法的分式线性神经网络模型并用于原油溶解气油比预测。仿真结果表明，这一模型可以用来预测原油气油比，因而基于遗传算法的分式线性网络可行有效。1分式线性网络神经网络模型拓扑结构分式线性网络是具有川(m?叟3)层的前向神经网络，包括1个输入层，1个或1个以上的隐含层和1个输出层。本文神经网络优化模型采用3层分式线性网络，即1个输入层，1个隐含层和1个输出层，其中隐含层神经元的输入函数是分式线性函数。根据有关文献和溶解气油比实验结果，压力、温度、气体相对密度、原油重度与原油溶解气油比之间存在一定的非线性函数关系。本文把压力、温度、气体相对密度以及原油重度这4个参量作为网络的输入节点，气油比这个参量作为输出节点。因此，输入层节点个数为4,输出层节点个数为lo决定隐含层的神经元数量的选取多是通过实验不断调整数量和经验公式选取。根据本文设计思想和实验反复计算测试，设计输入层神经元数目为n,输出层神经元数月为1,隐含层神经元数目为（2n+l）二2X4+1=9。2基于遗传算法的模型初始权值优化设计2.1基本思想为加快分式线性网络BP算法收敛速度，避免陷入局部极小，本文先对模型初始的权值、阈值编码，构成初始种群，然后借助遗传算子生成下一代种群，对种群中的最优个体解码后得到的权值做出评价，如果满足遗传算法性能指标，则输出此最优权值，否则继续遗传算法操作，直至某一代的种群最优个体满足性能指标，并输出对应的权值、阈值。此时得到的权值阈值是遗传算法优化后的分式网络初始解，再把得到的优化权值再传赋给分式线性网络再做进一步的优化。2.2设计方法2.2.1编码方法本文遗传算法采用实数编码方法。将分式线性神经网络的权值和阈值按先后顺序级联为一个长串，串上的每一个位置对应着网络的一个权值和阈值，并用一个向量？孜表示：？孜二[Wl,W2,Bl,B2](1)其中，W1为输入层神经元与隐含层神经元连接权值，W2为隐含层神经元...