[發明專利]一種基于改進神經網絡的環境噪聲預測方法及系統

在審

• 申請號: 202210230164.8
• 申請日: 2022-03-09
• 公開（公告）號: CN114580289A
• 公開（公告）日: 2022-06-03
• 發明（設計）人: 譚力江;黃文俊;郭肇祿;喻駿
• 申請（專利權）人: 廣東奧博信息產業股份有限公司
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N3/04;G06N3/08;G06F119/10
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 劉力

1.一種基于改進神經網絡的環境噪聲預測方法，其特征在于，所述方法包括以下步驟：

步驟1，獲取環境噪聲數據集；

步驟2，輸入種群大小NSize和最大搜索代數MaxG；

步驟3，確定用于預測環境噪聲的神經網絡模型，設置所述神經網絡模型的優化設計參數的數量ND；

步驟4，設置當前搜索代數t＝0；

步驟5，隨機生成種群NPop＝{NA₁,NA₂,...,NA_ni,...,NA_NSize}，其中，NA_ni表示種群中的第ni個個體，個體下標ni＝1,2,...,NSize；個體NA_ni存儲有所述神經網絡模型中的ND個優化設計參數；

步驟6，基于環境噪聲數據集計算種群NPop中每個個體的適應值，將種群NPop中適應值最小的個體記為最優個體BNA，將種群NPop中適應值最大的個體記為最差個體WNA；

步驟7，設置排斥因子EF_ni，其中，EF_ni＝rand(0,1)，rand表示隨機實數產生函數；

步驟8，根據公式(1)計算啟發式因子IF：

其中，sin表示正弦函數；cos表示余弦函數；π表示圓周率；kc表示衰減中心；

步驟9，根據公式(2)計算當前排斥因子CF_ni：

其中，pcr為[0,1]之間的隨機實數；RW為[0,0.5]之間的隨機實數；

步驟10，隨機產生一個[0,1]之間的實數pes；

步驟11，如果pes小于0.5，則轉到步驟12，否則轉到步驟13；

步驟12，根據公式(3)執行基于排斥機制的正弦操作產生新個體NU_ni后，轉到步驟14；

NU_ni＝NA_ni+NK1×sin(NK2)×|NK3×BNA-NA_ni|-CF_ni×(WNA-NA_ni) (3)；

其中，NK2為[0,2×π]之間的隨機實數；NK3為[0,2]之間的隨機實數；

步驟13，根據公式(4)執行基于排斥機制的余弦操作產生新個體NU_ni后，轉到步驟14；

NU_ni＝NA_ni+NK1×cos(NK2)×|NK3×BNA-NA_ni|-CF_ni×(WNA-NA_ni) (4)；

步驟14，基于環境噪聲數據集計算新個體NU_ni的適應值；

步驟15，確定新個體NU_ni的適應值是否小于個體NA_ni的適應值，若是，則在種群中利用新個體NU_ni替換個體NA_ni；否則在種群中保持個體NA_ni不變；

步驟16，按照公式(5)更新排斥因子EF_ni：

步驟17，從步驟15得到的種群中找出適應值最小的個體，并以此更新最優個體BNA，從步驟15得到的種群中找出適應值最大的個體，并以此更新最差個體WNA；

步驟18，設置當前搜索代數t＝t+1；

步驟19，如果當前搜索代數t大于MaxG，則轉到步驟20，否則轉到步驟8；

步驟20，從最優個體BNA中提取出所述神經網絡模型的ND個優化設計參數，利用得到的ND個優化設計參數構建環境噪聲預測模型；

步驟21，利用所述環境噪聲預測模型進行環境噪聲的預測。

2.根據權利要求1所述的一種基于改進神經網絡的環境噪聲預測方法，其特征在于，所述環境噪聲數據集通過以下方式確定：

步驟101，從環境監測系統中抽取出環境噪聲數據；

步驟102，對抽取出的環境噪聲數據進行預處理，得到環境噪聲數據集。

3.根據權利要求1所述的一種基于改進神經網絡的環境噪聲預測方法，其特征在于，所述用于預測環境噪聲的神經網絡模型為三層感知機神經網絡。