BAM神經網絡在鳥情預測中的應用

姜　琴， 王　林

(1.青島工學院 信息工程學院， 山東 青島 266300； 2.中國人民解放軍92886部隊， 山東 青島 266300)

?

BAM神經網絡在鳥情預測中的應用

姜琴1， 王林2

(1.青島工學院 信息工程學院， 山東 青島 266300； 2.中國人民解放軍92886部隊， 山東 青島 266300)

摘要：通過對某機場環境因素、鳥類活動等數據進行綜合分析，在收集、規范、完善鳥情數據集的基礎上，給出了鳥情數據預處理方法，提出了基于BAM(雙向聯想記憶)神經網絡算法的鳥情預測模型，確定了鳥情預測模型輸入、輸出參數.通過機場實際鳥情數據對鳥撞模型做仿真預測，仿真結果證明BAM神經網絡比傳統的前饋型神經網絡的預測誤差更小，預測效果更好.

關鍵詞：雙向聯想記憶； 鳥情預測； 數學模型

鳥類因無法躲避空中飛行的飛機，造成與飛機相撞的事故，民航專業術語稱之為鳥撞[1].鳥撞是威脅飛行安全的一個重要因素，已經被航空界確定為最嚴重的“A”類航空安全災難[2].就目前而言，對于鳥撞問題的現有研究和應用大部分都圍繞著鳥撞的生態防治展開，雖然已經初步嘗試與信息技術結合進行鳥情的采集軟件與鳥類識別軟件的開發[3]，但是缺乏對鳥情問題的定量研究及鳥情的預測研究，而鳥情的預測對鳥撞的預防有非常重要的意義.傳統的預測方法有統計法、實驗法和觀察法等，存在著不具備聯想和自學習功能等問題.隨著人工智能的發展，神經網絡預測建模的研究應用已經在多個領域開展并取得了一定成果[4]，由此可以得知，將神經網絡應用于鳥情預測具有可行性和可操作性.在鳥情的預測中，日照時間，溫度，氣壓，風力，風向是影響鳥類活動的最主要的因素，然而這些因素的未來數據都較難獲取，因此，它們都需要依靠其他的預測方法來得到，但是預測值的誤差必然傳入鳥情的預測模型中，這樣就會給預測結果帶來更大的誤差.為了減小鳥情預測誤差問題，本文首次提出了應用BAM神經網絡來預測鳥情，通過對鳥情、棲息地生態環境的一系列調查研究，將所得資料結合天氣情況與驅鳥干擾活動狀況等進行綜合分析、判斷[5]，對未來一段時間內的鳥情做出判斷.實驗中通過對歷史數據的測試，發現其對于鳥情活動的預測相比傳統的BP神經網絡在預測精度上有一定程度的提高.

1BAM神經網絡概述

BAM雙向聯想記憶神經網絡是一種反饋型的神經網絡[6]，通過多次反饋訓練的模式來進行鳥情預測，它具有聯想記憶，自適應性能力強，參數自動提取等優點，并且預測誤差較小，自1987年出現以來便得到廣泛應用.BAM雙向聯想記憶神經網絡拓撲結構如圖1所示.

圖1 BAM神經網絡拓撲結構

(1)

(2)

2BAM神經網絡對鳥情預測建模

2.1鳥情預測的數據處理

把影響鳥類出現的因素數據U={x1,x2，…，xn}作為所需分類研究的對象，而每個對象又由m個指標表示其性質狀態，即xi={xi1,xi2，…，xim}(i=1,2,…,n)，由于在實際問題中影響鳥情出現的因素可能有不同的性質和不同的量綱，所以可以對原始的因素數據進行平移(標準差變換)，以此來消除不同因素量綱之間的差異，即令

(3)

式中：

這樣，對每一組輸入數據所包含的所有環境因素都進行平移標準差變換后再作為輸入層的輸入，經過加權后，在輸出層得到輸出值作為預測鳥的數量，輸出層的輸出值反饋到輸入層和下一層的輸入總體來作為輸入，再次加權后，得到第二次的輸出，如此反復，把最后一次的輸出作為預測鳥的數量，以達到精確預測鳥類活動的目的.

2.2基于BAM神經網絡的鳥情預測模型

(5)

(6)

又假設用于設計網絡的M組模式對是相互正交的，則一定存在：

(7)

(8)

現取影響鳥類出現的因素輸入，其輸出節點的傳輸函數為符號函數，則對于任一影響鳥情出現的因素輸入矢量xl∈{xm,m=1,2,…，M}，可推導當前時刻的鳥情輸出，見式(9).

(9)

即由環境因素xl很自然的聯想到鳥情的數量yl，同樣，對于任一輸入yl∈{ym,m=1,2，…，M},由yl也能很自然地能聯想到xl.

如果網絡同步更新單元的激活值，則其方程式(10)為：

(10)

(11)

式中:yi(t)為t時刻輸出端B層單元i的激活值，即為預測的鳥情數量.同理可得到B層單元激活值的更新方程，則總體的單元激活值預測方程見式(12).

(12)

BAM神經網絡具體算法如下：

(1)給A層或B層提供一個輸入模式；

(2)將A層單元的激活值同步(或異步的)通過連接權矩陣W送到B層單元中；

(3)計算B層單元的實際激活值；

(4)然后將B層單元的實際激活值通過WT反饋到A層中；

(5)計算A層單元中的激活值；

(6)重復步驟(2)至(5)，直到所有A層與B層單元的激活狀態達到穩定為止，這時就可使網絡達到平衡狀態.

3實驗與分析

以某機場一年的麻雀活動日值記錄數據為例，麻雀的出現隨機性較強，本研究采用基于BAM神經網絡的預測模型來進行預測，通過MATLAB仿真，將預測結果與較成熟的BP神經網絡的預測值作效果對比，其對比圖如圖2所示.

圖2　BAM與BP對鳥情預測的對比圖

如圖2所示預測的結果，基于 BAM 神經網絡的鳥情預測模型對于鳥情擬合效果更好，較BP神經網絡的預測值更加接近真實值.

BAM神經網絡與BP神經網絡鳥情預測的絕對誤差率的對比圖如圖3所示.

圖3　BAM與BP預測誤差對比圖

實驗表明，應用BAM神經網絡進行鳥情預測的誤差為8.53%，較BP神經網絡的預測誤差18.97%小，預測效果較好.

4結束語

本文對BAM神經網路應用于鳥情預測問題進行了初步嘗試，并給出了基于BAM神經網絡的鳥情預測模型的實現步驟和方法，以某機場的鳥情數據驗證，證明了BAM神經網絡具有良好的預測效果，它不僅解決了BP 網絡的收斂速度較慢的問題，而且預測結果更加準確.BAM神經

網絡的自穩定性較好，收斂速度較快，可以不斷地動態更新預測的數據，其預測誤差較小，可以廣泛用于機場的鳥情預測，為機場區域航空安全提供準確有效的科學支持.

參考文獻：

[1]謝騰.基于ZigBee技術的機場鳥情防撞系統的設計與實現[D].濟南：山東師范大學，2012.

[2]趙媛.機場鳥害的生態防治方法研究[J].科技風，2013(8)：276.

[3]牛家洋，王洪國，邵增珍，等. BP人工神經網絡算法在鳥情時間序列預測的應用[J].信息技術與信息化，2013(3)：93-97.

[4]呂克，徐夫田，舒文迪.基于神經網絡的鳥撞預測模型應用研究[J].計算機技術與發展，2012，5(22)：90-93.

[5] 張亮，陳泳任， 李 杰.基于多Agent的機場鳥情預測預報系統研究[J].內江科技，2013(3)：161-162.

[6] 魏雪蕊,柯云泉.隨機Cohen-Grossberg-type BAM神經網絡的均方指數穩定性[J].數學的實踐與認識,2012,42(17):199-205.

(編輯：姚佳良)

Application of BAM neural network in the avian information prediction

JIANG Qin1, WANG Lin2

(1.School of Information Engineering, Qingdao University of Technology, Qingdao 266300, China；2.92886 Troops, The Chinese People′s Liberation Army, Qingdao 266300, China)

Abstract:By means of synthetical analyzing data on the factors of airport atmosphere and bird activities,the bird prediction model based on the BAM (bidirectional association memory) neural network algorithm has been proposed on the base of collecting, normalizing,improving the dataset of bird information,while the pretreatment for bird information data is given and the inputting and outputting parameters of bird information prediction model is determined.By simulating and predicting the model that has trained through the practical bird information data at an airport,the simulation results prove that the prediction model of BAM neutral network has smaller prediction error and better prediction effect than the tradition feedforward neural network.

Key words:BAM; avian information prediction; mathematical model

中圖分類號：TP391

文獻標志碼：A

文章編號：1672-6197(2016)03-0050-03

作者簡介：姜琴,女, ritajq@126.com

基金項目：青島工學院2014年度董事長基金項目(2014KY003)

收稿日期：2015-06-17