[发明专利]一种优化神经网络的风机噪音预测方法

摘要

本发明提供了一种优化神经网络的风机噪音预测方法，本发明主要通过对输入神经元数目和隐藏层神经元数目的联合控制提高风机噪音预测精度和神经网络的泛化能力。本发明基于相关性分析将风机样本中的输入参数对输出参数影响的重要性进行排序，根据训练精度和预测精度确定输入层神经元数目范围与最佳输入层神经元数目。利用相关性分析有效减少输入神经元数目，降低了最优神经网络结构的构建难度。本发明利用最佳隐藏层神经元数目来确定最优神经网络结构，有效避免了过拟合和欠拟合，提高训练精度的同时也改善了预测精度和泛化能力。

主权项

1.一种优化神经网络的风机噪音预测方法，其特征在于，包括步骤：S1.采集风机性能参数和几何参数；S2.分析风机性能参数现状；S3.确定输入层神经元和输出层神经元：将输入参数对输出参数的影响重要性进行排序，根据训练精度和预测精度确定输入层神经元数目范围与最佳输入层神经元数目；S4.确定训练神经网络的训练样本和测试样本；S5.确定训练神经网络隐藏层神经元的数目、训练次数以及最佳结果的保存：根据输入层神经元数目、训练误差合适、预测误差最优准则自适应确定最佳隐藏层神经元数目；S6.利用训练并保存好的神经网络参数进行风机噪音预测；S7.得到预测结果，从中选出最理想预测结果。