[發明專利]一種水聲信號的混合預測方法

在審

• 申請號: 201810307252.7
• 申請日: 2018-04-08
• 公開（公告）號: CN108536955A
• 公開（公告）日: 2018-09-14
• 發明（設計）人: 李國輝;關倩如;楊宏;法林;楊智超;王思亮;梁家康
• 申請（專利權）人: 西安郵電大學
• 主分類號: G06F17/50
• 分類號: G06F17/50;G06N3/00;G06N3/08
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 徐文權

本發明公開一種水聲信號的混合預測方法，屬于水聲信號處理技術領域，通過對訓練數據進行歸一化處理，根據訓練數據，構造小波神經網絡，初始化果蠅優化算法的種群數量和迭代次數，初始化果蠅群體的位置、個體搜索的隨機方向和個體搜索的距離；通過果蠅優化算法迭代計算最優權值和閾值；將優化后的權值和閾值代入小波神經網絡進行訓練，通過訓練后的小波神經網絡預測水聲信號，得到預測結果。預測結果和實際數據吻合度高，預測值的均方根誤差和平均絕對誤差小，預測精度高。

技術領域

本發明涉及水聲信號處理技術領域，具體為一種水聲信號的混合預測方法。

背景技術

文獻“基于PSO和RBF神經網絡的水聲信號建模與預測，計算機工程，2008，Vol.34(23)，p208-209，213”公開了一種水聲信號的預測方法，在自增加聚類算法確定RBF神經網絡基函數中心個數的基礎上，運用改進的粒子群優化算法對其距離閾值進行優化，結合最小二乘法確定網絡輸出權值，并將得到的RBF網絡用于水聲信號預測，預測值與實際值吻合較好，其均方根誤差為0.1659，預測的均方根誤差較大。

發明內容

針對現有技術中存在的問題，本發明提供一種水聲信號的混合預測方法，預測值的均方根誤差和平均絕對誤差小，預測精度高。

本發明是通過以下技術方案來實現：

一種水聲信號的混合預測方法，包括如下步驟：

步驟S1，載入訓練數據，對訓練數據進行歸一化處理，所述訓練數據為水聲信號實測數據；

步驟S2，根據訓練數據，構造小波神經網絡，初始化果蠅優化算法的種群數量和迭代次數，初始化果蠅群體的位置、個體搜索的隨機方向和個體搜索的距離；

步驟S3，通過果蠅優化算法迭代計算最優權值和閾值；

步驟S4，將優化后的權值和閾值代入小波神經網絡進行訓練，通過訓練后的小波神經網絡預測水聲信號，得到預測結果。

可選的，步驟S2中，構造神經網絡包括：

根據訓練數據設置輸入層的節點數、隱含層的節點數、輸出層的節點數和最大迭代次數；

采用Morlet母小波函數作為小波信號變化分析函數，Morlet母小波函數公式為：

其中t為輸入的訓練數據，f(t)為輸出變量。

Morlet母小波函數偏導數輸出為：

可選的，步驟S4之后還包括，計算均方根誤差值RMSE，

均方根誤差值RMSE的計算公式為：

其中，Y_pred為預測結果數據，Y_real表示測試數據，所述測試數據為訓練數據實測時間之后實測的水聲信號數據，N為數據個數。

可選的，步驟S4之后還包括，計算平均絕對誤差值MAE：

平均絕對誤差值MAE的計算公式為：

其中，Y_pred為預測結果數據，Y_real表示測試數據，所述測試數據為訓練數據實測時間之后實測的水聲信號數據，N為數據個數。

與現有技術相比，本發明具有以下有益的技術效果：