基于神經(jīng)網(wǎng)絡算法的數(shù)據(jù)預處理研究

翟龍飛　陳迎春　楊沖　閆心寶

摘 要： 輸入神經(jīng)網(wǎng)絡數(shù)據(jù)的優(yōu)劣直接關系著網(wǎng)絡訓練結果，因此訓練數(shù)據(jù)的預處理在整個系統(tǒng)模型設計中具有十分重要的意義。本文以短波測量數(shù)據(jù)為初始樣本訓練集進行預處理研究。

關鍵詞：BP神經(jīng)網(wǎng)絡 歸一化處理 降維處理

中圖分類號：TP183 文獻標識碼：A 文章編號：1003-9082（2016）03-0008-01

BP神經(jīng)網(wǎng)絡是基于訓練數(shù)據(jù)的建模，因此由神經(jīng)網(wǎng)絡建立起的模型能夠精確反映實際預測情況[1]。本短波場強預測系統(tǒng)的測試訓練數(shù)據(jù)是建立在已有短波資源仿真調(diào)度系統(tǒng)生成數(shù)據(jù)集基礎上，因此，可對比網(wǎng)絡學習模型預測輸出值與期望輸出值來判斷網(wǎng)絡適應能力。

一、輸入輸出變量的選擇

由于BP神經(jīng)網(wǎng)絡的靈活擴展性以及快速自適應能力，使得其應用廣泛。在最適網(wǎng)絡選取階段，根據(jù)模型傳輸損耗影響因素， 做到相關性小甚至不相關，結合數(shù)據(jù)庫提供數(shù)據(jù)，訓練輸入變量選取為：偵收位置（經(jīng)緯度），信號位置（經(jīng)緯度），信號功率，信號頻率，偵收任務時間（月、日、時、分）。輸出量即期望值為：場強中值，傳輸損耗。

二、歸一化處理

1.基于最大最小樣本值的線性歸一化處理

該歸一化數(shù)據(jù)處理方式是將相同輸入變量（輸出量）的樣本進行預處理。其數(shù)學關系為： （1）

針對短波場強樣本訓練集，在原始數(shù)據(jù)的基礎上進行線性歸一化處理，而后進入網(wǎng)絡仿真學習。本學習運算是在Matlab中運行采用標準梯度學習算法并以均方誤差MSE作為性能參考。

2.基于標準差的歸一化處理

因此歸一化數(shù)據(jù) 的數(shù)據(jù)區(qū)間大于[-1，1]。從而使得訓練網(wǎng)絡得到的性能參數(shù)MSE較大。為了能夠得到適用于本系統(tǒng)的性能參數(shù)參考值，采取兩者結合的歸一化方法。

3.混合的歸一化處理方法

該方法是在數(shù)據(jù)訓練前期進行最大最小值線性歸一化處理，將輸入變量壓縮至[-1，1]區(qū)間，而后在網(wǎng)絡訓練階段采用標準差法處理數(shù)據(jù)。由MSE平均值可知，在網(wǎng)絡內(nèi)部運用標準差歸一化法處理數(shù)據(jù)可以使訓練時更加規(guī)整從而利于訓練。

4.歸一化方法分析比較

通過仿真實驗，比較三種歸一化方法的MSE，如表1：

在相同訓練數(shù)據(jù)的情況下，以混合的歸一化處理方法處理訓練樣本數(shù)據(jù)得到的MSE最小，因此在系統(tǒng)設計應用中選取混合歸一化處理方法，對數(shù)據(jù)進行預處理。

三、降維處理

分析樣本產(chǎn)生、樣本變量因素（特別是時間因素）以及神經(jīng)網(wǎng)絡運算效率，若對短波傳播損耗模型進行完全學習，由于樣本集的過大導致學習過慢，訓練精度也可能無法保證。因此提出對訓練集的單個月份學習，模型預測針對網(wǎng)絡學習所在月份任務進行預測。因此，選取訓練樣本集較完備的5月份進行訓練學習。根據(jù)短波損耗模型，短波傳播主要受電離層影響，而電離層區(qū)別主要存在于白天與黑夜的區(qū)分[2]，因此對時、分輸入變量進行降維處理僅區(qū)分白天與黑夜。在神經(jīng)網(wǎng)絡預測實驗中，對訓練數(shù)據(jù)分析而后進行數(shù)據(jù)的概略區(qū)分，選取6：00至19：00為白天數(shù)據(jù)，以“1”表示，19：00至次日6：00為黑夜數(shù)據(jù)，以“2”表示。

在訓練集經(jīng)過歸一化以及篩選降維處理后，對其進行神經(jīng)網(wǎng)絡學習，并分析其訓練性能參數(shù)，以及其預測結果。下面針對5月份數(shù)據(jù)進行預測并與期望值進行對比，如表2：

通過對比可知，神經(jīng)網(wǎng)絡訓練時，完備數(shù)據(jù)集是網(wǎng)絡學習的關鍵，通過分析輸入變量，進行合理性降維對提高網(wǎng)絡訓練效率提高訓練精度也十分重要。

參考文獻

[1] 朱凱，王正林等. 精通MATLAB神經(jīng)網(wǎng)絡[M] 北京： 電子工業(yè)出版社， 2010.1.

[2] 羅佳，張文明，王雪松. 通信對抗中短波天波傳輸損耗的仿真建模[J]，計算機仿真，2007，8（24）.