第19卷第4期北京電子科技學(xué)院學(xué)報2011$12行Vol. 19No. 4Journal of Bejing Elrctronin Science and Technology InstituteDet. 2011基于GA-ANFIS的生物質(zhì)氣化過程研究.劉國璧孫群安徽電子信息職業(yè)技術(shù)學(xué)院安徽 ,蚌埠,中國233000摘要:本文提出了一種基于遺傳算法和模糊神經(jīng)網(wǎng)絡(luò)的生物質(zhì)氣化過程研究的新方法。該方法采用竹子氣化數(shù)據(jù)建立GA- ANFIS 模型,并驗證該模型方法在生物質(zhì)氣化過程建模中的適用性。結(jié)果表明:提出的GA- ANFIS模型預(yù)測方法精度較高,效果也比較理想,是一種可行有效的建模方法。關(guān)健詞:MATLAB;遺傳算法;模糊神經(jīng)網(wǎng)絡(luò);預(yù)測中圖分類號:TP3文獻(xiàn)標(biāo)識碼:A文章編號:1672- -464X(2011)04- -60- -05Research on GA- ANFIS Based Biomass Gasification ProcessLIU Guo- bi SUN QunAnhui Vocational College of Electronics & InformationTechnology , Bengbu Anhui 233000, P. R. ChinaAbstract: Based on genetic algorithm and fuzzy neural network, a new method for the study of bio-mass gasification process is proposed in this paper. The paper verifies the model method in biomassgasification process modeling application by adopting bamboo gasification data to build the GA- AN-FIS model. Practical application shows that the GA一ANFIS model prediction method is good in reli-ability and get high in precision.Key words: MATLAB; Genetic algorithm; fuzzy neural network; forecast引言將固體生物質(zhì)轉(zhuǎn)化為氣體燃料,稱為生物質(zhì)氣化,生物質(zhì)氣化是當(dāng)今生物質(zhì)能源利用技術(shù)研究的熱點方向。所以建立生物質(zhì)氣化過程的數(shù)學(xué)模型對于實現(xiàn)生物質(zhì)氣化過程有著重要的意義。國內(nèi)外研究者在氣化數(shù)學(xué)模型方面做了大量的研究,主要集中在對生物質(zhì)的熱解特性及流體動力特性等方面,缺乏針對其氣化過程特性描述的模型,缺乏比較有效的數(shù)學(xué)模型對氣化操作進(jìn)行理論指導(dǎo)。因此建立一種能適應(yīng)于氣化過程控制的氣化計算模型,用于預(yù)測生物質(zhì)氣化指標(biāo),對實現(xiàn)氣化過程的參數(shù)優(yōu)化具有實際意義。基金項目:2011年安徽省高等學(xué)校自然科學(xué)研究項目:基于支持向量機(jī)與模糊神經(jīng)網(wǎng)絡(luò)的生物質(zhì)發(fā)由氣化過程研究(KI20117025):2010年安徽省省級教學(xué)研究項目(20101676)第19卷基于GA- ANFIS的生物質(zhì)氣化過程研究劉國璧孫群本文建立了一種生物質(zhì)氣化過程的GA- ANFIS模型,采用遺傳算法對目標(biāo)函數(shù)進(jìn)行優(yōu)化,具有更高的預(yù)測精度和魯棒性,對生物質(zhì)氣化過程進(jìn)行了研究。1遺傳算法 -模糊神經(jīng)網(wǎng)絡(luò)模型[1]ANFIS系統(tǒng)主要是采用梯度下降法和最小二乘法結(jié)合的方法來對參數(shù)進(jìn)行更新,而這些方法搜索速度慢,缺乏全局性,易陷入局部最小值點。遺傳算法模擬生物進(jìn)化論發(fā)展起來的隨機(jī)全局搜索優(yōu)化方法,借鑒了達(dá)爾文的生物進(jìn)化論和孟德爾的遺傳學(xué)說,是一-種并行、高效、全局搜索方法,可以在搜索過程中自動獲取和保存搜索空間的相關(guān)知識,并能求得最優(yōu)解,對于ANFIS系統(tǒng)的學(xué)習(xí)歸結(jié)為對條件參數(shù)(非線性參數(shù))與結(jié)論參數(shù)(線性參數(shù))的調(diào)整,所以我們把遺傳算法引人來優(yōu)化ANFIS系統(tǒng)的前件參數(shù)和后件參數(shù)。1.1初始種群標(biāo)準(zhǔn)遺傳算法中采用的是二進(jìn)制編碼,盡管二進(jìn)制編碼操作起來比較簡單,交叉、變異算子也容易實現(xiàn),但當(dāng)它用來處理多維高精度數(shù)值問題時,如果自變量較多,則染色體的長度就會偏長,這樣就容易導(dǎo)致搜索空間增大,從而會降低搜索效率,此外,即使所需自變量不多，如果采用二進(jìn)制編碼,又需要將其再轉(zhuǎn)化成實數(shù),這樣也會引入量化誤差。所以,本實驗采用實數(shù)編碼方式,對第二層輸人隸屬度函數(shù)的中心和寬度等參數(shù)進(jìn)行實數(shù)編碼,這些元素構(gòu)成了一個浮點數(shù)向量,即一個染色體,設(shè)定初始種群數(shù)為30。1.2計算適 應(yīng)度采用遺傳算法來搜索ANFIS的隸屬度函數(shù)的最優(yōu)參數(shù),使得minE=- 2 (n;-y,)2其中4;和yi分別表示期望輸出和實際輸出，力表示樣本數(shù),則設(shè)定適應(yīng)度函數(shù)為f=卡1.3遺傳操作選擇算子:本文使用基于概率的選擇算子,則個體被選擇的概率為:p. =q(1-q).+<1-9)"j=1,2..，N其中0