基于WTFMC算法的递归模糊神经网络结构设计

摘要

针对递归模糊神经网络(Recurrent fuzzy neural network,RFNN)的递归量难以自适应的问题,提出一种基于小波变换-模糊马尔科夫链(Wavelet transform fuzzy Markov chain,WTFMC)算法的RFNN模型.首先,在时间维度上记录隐含层神经元的模糊隶属度,并采用小波变换将该时间序列进行分解,通过模糊马尔科夫链对子序列的未来时段进行预测,之后将各预测量合并后代入递归函数中得到具有自适应性的递归量.其次,利用梯度下降算法更新RFNN的参数来保证神经网络的精度.最后,通过非线性系统建模中几个基准问题和实际污水处理中关键水质参数的预测实验,证明了该神经网络模型的可行性和有效性.