[發(fā)明專利]一種基于改進(jìn)神經(jīng)網(wǎng)絡(luò)的環(huán)境噪聲預(yù)測方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202210230164.8
• 申請日: 2022-03-09
• 公開（公告）號: CN114580289A
• 公開（公告）日: 2022-06-03
• 發(fā)明（設(shè)計）人: 譚力江;黃文俊;郭肇祿;喻駿
• 申請（專利權(quán)）人: 廣東奧博信息產(chǎn)業(yè)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(quán)專利商標(biāo)事務(wù)所有限公司 44205
• 代理人: 劉力

本發(fā)明涉及數(shù)據(jù)挖掘技術(shù)領(lǐng)域，具體涉及一種基于改進(jìn)神經(jīng)網(wǎng)絡(luò)的環(huán)境噪聲預(yù)測方法及系統(tǒng)，本發(fā)明首先抽取出環(huán)境噪聲數(shù)據(jù)，劃分出訓(xùn)練數(shù)據(jù)集和測試數(shù)據(jù)集，隨機(jī)生成種群，基于啟發(fā)式因子得到當(dāng)前排斥因子，將當(dāng)前排斥因子融合到正弦余弦操作中生成新個體，并適應(yīng)性地更新排斥因子，本發(fā)明應(yīng)用改進(jìn)神經(jīng)網(wǎng)絡(luò)來預(yù)測環(huán)境噪聲，利用基于排斥機(jī)制的正弦余弦算法來優(yōu)化設(shè)計預(yù)測環(huán)境噪聲的神經(jīng)網(wǎng)絡(luò)模型的參數(shù)，通過利用適應(yīng)性的排斥因子促使得種群中的個體遠(yuǎn)離較差個體，能夠增強(qiáng)算法的搜索效率，從而提升預(yù)測環(huán)境噪聲神經(jīng)網(wǎng)絡(luò)模型的精度，本發(fā)明訓(xùn)練得到的環(huán)境噪聲預(yù)測模型能夠提高環(huán)境噪聲的預(yù)測精度。

技術(shù)領(lǐng)域

本發(fā)明涉及數(shù)據(jù)挖掘技術(shù)領(lǐng)域，具體涉及一種基于改進(jìn)神經(jīng)網(wǎng)絡(luò)的環(huán)境噪聲預(yù)測方法及系統(tǒng)。

背景技術(shù)

隨著生活水平的提高，人們越來越重視生活環(huán)境的舒適性。環(huán)境噪聲是影響生活環(huán)境舒適性的一個重要因素。為了更好地監(jiān)測環(huán)境噪聲，許多城市都在各個地方安裝了環(huán)境噪聲監(jiān)測設(shè)備。利用環(huán)境噪聲監(jiān)測設(shè)備可以較方便、實時地采集各個地方的環(huán)境噪聲數(shù)據(jù)。隨著環(huán)境噪聲數(shù)據(jù)的積累，研究人員嘗試?yán)脭?shù)據(jù)挖掘技術(shù)對所積累的環(huán)境噪聲數(shù)據(jù)進(jìn)行分析，實現(xiàn)從多個層面上掌握城市中各個區(qū)域的環(huán)境噪聲污染狀況。

環(huán)境噪聲的預(yù)測是環(huán)境噪聲數(shù)據(jù)分析的一項重要技術(shù)。為了實現(xiàn)環(huán)境噪聲的預(yù)測，研究人員需要分析一個區(qū)域中的歷史環(huán)境噪聲數(shù)據(jù)，從而把握該區(qū)域內(nèi)環(huán)境噪聲的變化規(guī)律，然后根據(jù)得到的規(guī)律預(yù)測出該區(qū)域在未來時刻的環(huán)境噪聲污染情況。神經(jīng)網(wǎng)絡(luò)是一種模擬人腦處理信息的人工智能方法，它在許多工程預(yù)測的應(yīng)用中取得了一定的效果。然而，傳統(tǒng)神經(jīng)網(wǎng)絡(luò)應(yīng)用于環(huán)境噪聲的預(yù)測時容易出現(xiàn)陷入局部最優(yōu)，預(yù)測精度不足的缺點。

發(fā)明內(nèi)容

本發(fā)明目的在于提供一種基于改進(jìn)神經(jīng)網(wǎng)絡(luò)的環(huán)境噪聲預(yù)測方法及系統(tǒng)，以在一定程度上克服了傳統(tǒng)神經(jīng)網(wǎng)絡(luò)應(yīng)用于環(huán)境噪聲的預(yù)測時容易出現(xiàn)陷入局部最優(yōu)，預(yù)測精度不足的缺點，從而提高環(huán)境噪聲的預(yù)測精度。

為了實現(xiàn)上述目的，本發(fā)明提供以下技術(shù)方案：

第一方面，本發(fā)明實施例提供了一種基于改進(jìn)神經(jīng)網(wǎng)絡(luò)的環(huán)境噪聲預(yù)測方法，所述方法包括以下步驟：

步驟1，獲取環(huán)境噪聲數(shù)據(jù)集；

步驟2，輸入種群大小NSize和最大搜索代數(shù)MaxG；

步驟3，確定用于預(yù)測環(huán)境噪聲的神經(jīng)網(wǎng)絡(luò)模型，設(shè)置所述神經(jīng)網(wǎng)絡(luò)模型的優(yōu)化設(shè)計參數(shù)的數(shù)量ND；

步驟4，設(shè)置當(dāng)前搜索代數(shù)t＝0；

步驟5，隨機(jī)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(biāo)ni＝1,2,...,NSize；個體NA_ni存儲有所述神經(jīng)網(wǎng)絡(luò)模型中的ND個優(yōu)化設(shè)計參數(shù)；

步驟6，基于環(huán)境噪聲數(shù)據(jù)集計算種群NPop中每個個體的適應(yīng)值，將種群NPop中適應(yīng)值最小的個體記為最優(yōu)個體BNA，將種群NPop中適應(yīng)值最大的個體記為最差個體WNA；

步驟7，設(shè)置排斥因子EF_ni，其中，EF_ni＝rand(0,1)，rand表示隨機(jī)實數(shù)產(chǎn)生函數(shù)；

步驟8，根據(jù)公式(1)計算啟發(fā)式因子IF：

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

步驟9，根據(jù)公式(2)計算當(dāng)前排斥因子CF_ni：

其中，pcr為[0,1]之間的隨機(jī)實數(shù)；RW為[0,0.5]之間的隨機(jī)實數(shù)；