学位论文 > 优秀研究生学位论文题录展示

基于MPPNN时空维动态系统建模技术研究

作　者: 刘明
导　师: 刘显德
学　校: 东北石油大学
专　业: 计算机应用技术
关键词: MPPNN 时空维动态系统建模勒让德正交基差分进化算法
分类号: TP391.9
类　型: 硕士论文
年　份: 2011年
下　载: 10次
引　用: 1次
阅　读: 论文下载

内容摘要

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。

全文目录

摘要  4-5
ABSTRACT  5-7
创新点摘要  7-10
第一章绪论  10-17
  1.1 研究背景及意义  10-11
  1.2 过程神经元网络概述  11-14
    1.2.1 过程神经元模型的定义  11
    1.2.2 过程神经元网络学习算法  11-13
    1.2.3 过程神经元网络的应用  13-14
  1.3 系统建模概述  14-15
    1.3.1 系统建模方法  14
    1.3.2 系统建模过程示意图  14-15
  1.4 本文主要研究内容  15-17
第二章时空维动态系统建模技术的研究  17-25
  2.1 引言  17
  2.2 时空维动态系统模型  17
  2.3 时空维动态系统建模方法  17-23
    2.3.1 层次贝叶斯建模方法  18-19
    2.3.2 状态空间和随机理论建模方法  19-21
    2.3.3 时空插值建模方法  21-22
    2.3.4 时空维数据挖掘建模方法  22-23
  2.4 时空维动态系统建模的应用  23
  2.5 目前时空维动态系统建模技术存在的问题  23-24
  2.6 本章小结  24-25
第三章基于 MPPNN 的动态系统建模技术研究  25-34
  3.1 引言  25
  3.2 MPPNN 模型  25-26
    3.2.1 多聚合过程神经元模型  25-26
    3.2.2 MPPNN 模型  26
  3.3 基于MPPNN 的时空维动态系统模型的设计与实现  26-33
    3.3.1 模型分析  26-27
    3.3.2 时空维MPPN 及模型建立  27-28
    3.3.3 网络连接权值初始化  28-29
    3.3.4 模型层数以及隐层节点数的确定  29
    3.3.5 激励函数的选取  29-30
    3.3.6 网络的结构及其工作方式  30-31
    3.3.7 网络的学习方法和算法  31-33
  3.4 本章小结  33-34
第四章 MPPNN 学习算法的研究  34-53
  4.1 MPPNN 学习算法研究问题的提出  34
  4.2 基于并行算法的MPPNN 学习算法  34-40
    4.2.1 基于结构并行的MPPNN 并行算法  34-36
    4.2.2 基于数据并行的MPPNN 并行算法  36-38
    4.2.3 在油田开发自喷采油动态预测中的应用  38-40
  4.3 基于勒让德正交基展开的MPPNN 学习法  40-47
    4.3.1 概述  40
    4.3.2 勒让德多项式  40-41
    4.3.3 内积空间中函数的勒让德正交基展开  41-42
    4.3.4 基于勒让德正交基展开的MPPNN 学习算法的推导  42-45
    4.3.5 在气象预报中的应用  45-47
  4.4 基于改进差分进化算法的MPPNN 学习法  47-52
    4.4.1 进化策略  47-48
    4.4.2 差分进化算法  48-49
    4.4.3 基于改进差分进化算法的MPPNN 学习算法  49-51
    4.4.4 在飞机航班旅客流量预测中的应用  51-52
  4.5 本章小结  52-53
第五章在油藏四维动态系统建模中的应用  53-57
  5.1 引言  53
  5.2 利用MPPNN 实现储层四维模型参数的预测  53-56
    5.2.1 研究区开发现状  53
    5.2.2 网络结构设计及其参数选取  53-54
    5.2.3 神经网络的训练与学习  54-56
    5.2.4 对未来时间含水饱和度的预测  56
  5.3 本章小结  56-57
第六章结论与展望  57-58
  6.1 全文总结  57
  6.2 今后研究方向  57-58
参考文献  58-62
发表文章目录  62-63
致谢  63-64
详细摘要  64-74

基于MPPNN时空维动态系统建模技术研究

内容摘要

全文目录

相似论文