人工智能建模方法(ppt30頁)-資料下載頁
2025-02-20 16:14本頁面
【正文】 in) 泵壓 (MPa) 排量 (l/min) 鉆速 （ m/min） 1 2 3 4 5 6 7 8 9 10 11 12 13 14 311 311 311 216 216 216 216 216 216 216 216 216 216 216 75 60 60 70 75 75 65 65 65 65 65 60 60 60 4. 人工神經(jīng)網(wǎng)絡(luò)建模示例 ? 設(shè)計(jì)神經(jīng)網(wǎng)絡(luò) 。該模型為一非線性擬合問題，可以采用多層前向網(wǎng)絡(luò)。其中輸入節(jié)點(diǎn)數(shù)取因素?cái)?shù) 7，輸出層由于只有鉆壓一個(gè)參數(shù)，因此取 1，根據(jù)經(jīng)驗(yàn)公式，隱藏層節(jié)點(diǎn)數(shù)取輸入層的 2～ 3倍，這里取 14。構(gòu)造的神經(jīng)元網(wǎng)絡(luò)如圖2所示。對(duì)該神經(jīng)網(wǎng)絡(luò)可以直接采用高級(jí)語言進(jìn)行模擬。 4. 人工神經(jīng)網(wǎng)絡(luò)建模 ? 選擇神經(jīng)元網(wǎng)絡(luò)學(xué)習(xí)方法并對(duì)神經(jīng)元網(wǎng)絡(luò)進(jìn)行訓(xùn)練。 這里選擇多層神經(jīng)元網(wǎng)絡(luò)的經(jīng)典學(xué)習(xí)方法 ——BP算法。其基本思想是，將樣本數(shù)據(jù)輸入輸入端，逐層計(jì)算網(wǎng)絡(luò)輸出，將網(wǎng)絡(luò)輸出與標(biāo)準(zhǔn)優(yōu)化鉆壓相比較。如果誤差足夠小，則結(jié)束該樣本的訓(xùn)練，進(jìn)入下一樣本的訓(xùn)練。否則反向計(jì)算各層誤差，然后逐層調(diào)整網(wǎng)絡(luò)權(quán)值，使誤差不斷減少。等所有樣本訓(xùn)練結(jié)束后，整個(gè)訓(xùn)練過程結(jié)束。為了方便模型的檢驗(yàn)，可以從上述十四個(gè)樣本中抽取十個(gè)作為訓(xùn)練樣本，剩下四個(gè)作為檢驗(yàn)樣本。 ? 模型檢驗(yàn) 。將上述四個(gè)檢驗(yàn)樣本輸入神經(jīng)元網(wǎng)絡(luò)，比較網(wǎng)絡(luò)輸出與樣本理想輸出，如果誤差在允許范圍內(nèi)，則接受該模型。否則，需要重新收集樣本、重新進(jìn)行網(wǎng)絡(luò)設(shè)計(jì)并重新進(jìn)行訓(xùn)練，直到獲得滿意結(jié)果為止。 ? 模型使用 。經(jīng)過檢驗(yàn)的模型即可用于鉆壓的優(yōu)化控制。具體步驟如下：將各個(gè)實(shí)測的影響因素送入神經(jīng)元網(wǎng)絡(luò)，由神經(jīng)元網(wǎng)絡(luò)計(jì)算優(yōu)化鉆壓，并由控制系統(tǒng)調(diào)節(jié)鉆壓，使鉆壓為當(dāng)前的優(yōu)化鉆壓。 人工智能建模發(fā)展趨勢 ? 人工智能混合建模是指同時(shí)使用兩種或兩種以上的建模方法完成實(shí)際系統(tǒng)的建模過程，其中，這些建模方法中至少有一種為人工智能建模方法。 ? 目前常見的混合建模方法主要包括 ? 傳統(tǒng)數(shù)學(xué)模型（機(jī)理模型或系統(tǒng)辯識(shí)模型）與神經(jīng)網(wǎng)絡(luò)建?；蚧谥R(shí)建模的混合 ? 神經(jīng)網(wǎng)絡(luò)建模與基于知識(shí)建模的混合 ? 傳統(tǒng)數(shù)學(xué)建模、神經(jīng)網(wǎng)絡(luò)建模、基于知識(shí)建模的混合 ? 模糊邏輯、模擬退火、遺傳算法、人工免疫算法等在神經(jīng)網(wǎng)絡(luò)建模、基于知識(shí)建模中的應(yīng)用。 人工智能建模發(fā)展趨勢 ? 目前常見的混合建模方法 ? 松耦合方法 ? 將要建模的系統(tǒng)根據(jù)其特點(diǎn)劃分為多個(gè)子系統(tǒng)，每個(gè)子系統(tǒng)采用不同方式建立模型，然后將各子系統(tǒng)連接在一起形成原系統(tǒng)的模型。根據(jù)各子系統(tǒng)連接方式的不同，松耦合又可以分為并聯(lián)集成、串聯(lián)集成、嵌套集成。 ? 緊耦合方法 ? 以一種建模方式為主，其它建模方式完成主建模方式中的結(jié)構(gòu)確定、參數(shù)確定、學(xué)習(xí)等輔助功能。例如：用機(jī)理模型確定神經(jīng)元網(wǎng)絡(luò)的某些固定參數(shù)；用基于知識(shí)的系統(tǒng)確定機(jī)理模型中的某些經(jīng)驗(yàn)參數(shù)。用神經(jīng)元網(wǎng)絡(luò)實(shí)現(xiàn)基于知識(shí)人工智能系統(tǒng)中知識(shí)獲取等。值得注意的是由于從理論上講，人工神經(jīng)元網(wǎng)絡(luò)即可以表達(dá)機(jī)理知識(shí)、又可以表達(dá)經(jīng)驗(yàn)知識(shí)，近幾年來出現(xiàn)了利用神經(jīng)元網(wǎng)絡(luò)進(jìn)行混合建模的研究熱潮。 演講完畢，謝謝觀看！
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1