[發明專利]一種修復BDS周跳的方法

在審

• 申請號: 202011162951.0
• 申請日: 2020-10-27
• 公開（公告）號: CN112346093A
• 公開（公告）日: 2021-02-09
• 發明（設計）人: 劉春;葸生寶;陳豪;何敏
• 申請（專利權）人: 合肥工業大學
• 主分類號: G01S19/37
• 分類號: G01S19/37;G06N3/04;G06N3/08
• 代理公司: 合肥市科融知識產權代理事務所(普通合伙) 34126
• 代理人: 張高飛

1.一種修復BDS周跳的方法，其特征在于：按如下步驟進行：

步驟1：采用改進BP神經網絡進行預測；

步驟2：采用NAR神經網絡進行預測；

步驟3：將采用改進BP神經網絡進行預測與采用NAR神經網絡進行預測的網絡修復的結果進行比較：

如果修復效果明顯，則選擇表現較好的神經網絡作為修復方法，并輸出對應的結果；

如果修復效果不明顯，則進入步驟4；

步驟4：分析改進BP神經網絡進行預測與采用NAR神經網絡進行預測的預測特性，選擇預測特性較優的神經網絡作為修復方法，并輸出對應的結果。

2.根據權利要求1所述的修復BDS周跳的方法，其特征在于：所述的改進BP神經網絡，為半閉環狀態；在改進BP神經網絡中，每次輸出層的輸出的單個預測值作為新的輸入值，輸入到輸入層，即訓練模型進入預測階段時，輸入為上一次輸出值，由此進行循環預測，進而提高預測準確性。

3.根據權利要求1所述的修復BDS周跳的方法，其特征在于：相比于線性神經網絡或BP神經網絡而言，NAR神經網絡在信息傳播時呈現反饋過程，可向上一層傳播信息，由此可以將NAR神經網絡稱之為動態神經網絡；

換言之，NAR神經網絡傳播過程可以理解為自回歸傳播方式，即輸出值由歷史輸入值決定，輸入值由上一次輸出值決定。

4.根據權利要求1所述的修復BDS周跳的方法，其特征在于：NAR神經網絡模型得預測流程為：

2.1：檢測數據得時間序列；

2.2訓練數據劃分；

2.3設置隱含神經元個數和滯后階段；

2.4選擇訓練方法和階數；

2.5判斷殘差分析是否符合：

如不符合，返回步驟2.2；

如符合，則進入下一步；

2.6訓練結束并保存網絡；

2.7數據預測。

5.根據權利要求1所述的修復BDS周跳的方法，其特征在于：在步驟3中，誤差下降曲線不理想時，即將采用改進BP神經網絡進行預測與采用NAR神經網絡進行預測的網絡修復的結果進行比較，其修復效果不明顯時，需要調整網絡參數設置。

6.根據權利要求2所述的修復BDS周跳的方法，其特征在于：改進BP神經網絡是針對傳統BP神經網絡而言的；所述傳統BP神經網絡，是采用梯度下降算法，包含輸入層、隱層和輸出層，其學習過程可以簡化理解為信息前向傳播，計算本次輸出值，誤差反向傳播，調整權值直到網絡滿足設定誤差率為止。

7.根據權利要求1所述的修復BDS周跳的方法，其特征在于：在步驟1所述的改進BP神經網絡中，輸入層:隱層:輸出層的網絡結構為35:20:1。

8.根據權利要求1所述的修復BDS周跳的方法，其特征在于：在步驟2所述的NAR神經網絡中，考慮到響應時間不宜過長，故回歸階數選擇3階，隱藏層節點數選擇35。