1、在采用RBF神經(jīng)網(wǎng)絡(luò)來建立軟測量模型時，需要確定的參數(shù)比較多。為了能讓模型具有很好的預(yù)測性能，在實(shí)際建模中，常常會引入一些智能優(yōu)化的方法來挑選出合適的網(wǎng)絡(luò)參數(shù)來參與建模。
　　本文主要研究內(nèi)容如下：
　　1.在采用徑向基神經(jīng)網(wǎng)絡(luò)來建模時，其中間隱含層節(jié)點(diǎn)個數(shù)以及相關(guān)參數(shù)都會對模型的性能產(chǎn)生影響。為此我們選用遺傳算法和粒子群算法來對徑向基神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化設(shè)計。首先需要利用遺傳算法或粒子群算法來確定模型的結(jié)構(gòu)，結(jié)構(gòu)確定好以后再利

2、用該優(yōu)化算法來對徑向基神經(jīng)網(wǎng)絡(luò)的參數(shù)進(jìn)行優(yōu)化，然后進(jìn)行循環(huán)迭代直至滿足迭代停止條件。最后將得到一個最優(yōu)的神經(jīng)網(wǎng)絡(luò)模型。這種先確定結(jié)構(gòu)再確定參數(shù)的方法可認(rèn)為是一種串行優(yōu)化。
　　2.采用串行優(yōu)化的方法所建立的模型的運(yùn)算速度比較慢，因?yàn)樵摲椒ㄐ枰眠z傳算法或粒子群算法分別產(chǎn)生兩個種群，一個用于確定模型的輸入變量的個數(shù)和網(wǎng)絡(luò)中間隱含層節(jié)點(diǎn)個數(shù)，另一個用于實(shí)現(xiàn)對網(wǎng)絡(luò)參數(shù)的優(yōu)化，而且優(yōu)化也是分開進(jìn)行的。為了提高模型的運(yùn)算效率，我們提出一種并