Aplicații ale Rețelelor Neurale la Predicția unor Fenomene Naturale

Aplicaþii ale reþelelor neurale la predicþia unor fenomene naturale

Institutul de Cercetãri în Informaticã

Rezumat:

Reþelele neurale prezintã o abordare alternativã promiþãtoare la predicþia seriilor de timp. În acest articol se aplicã reþelele neurale la predicþia unor serii de timp reprezentând mãsuratorile debitelor lichide medii lunare efectuate la cinci posturi hidrometrice reprezentative.

Cuvinte cheie: reþele neurale,feed-forward, predicþie, serii de timp, invãþare supervizatã constructivã.

1. Introducere

Predicþia fenomenelor naturale legate de scurgerea râurilor - debitele de diferite asigurãri, inundaþiile, fenomenele de secare - constituie una din prioritãþile hidrologiei în momentul de faþã. Pentru realizarea unor predicþii adecvate este necesarã cunoaºterea modului de manifestare a fenomenului respectiv pe o perioadã îndelungatã de timp, de regulã mai mare de 30 de ani. În acest fel este favorizatã dimensionarea folosinþelor de apã pe baza cãrora se poate trece la amenajarea complexã a râurilor pentru a putea preveni diferite evenimente nedorite sau pentru a le atenua. De asemenea, se pot semnala anumite tendinþe în modul de manifestare a râurilor care pot servi la evitarea efectelor nefaste prin aplicarea unor mãsuri adecvate.

Articolul de faþã prezintã o aplicaþie a reþelelor neurale la predicþia debitelor medii lunare lichide pe baza mãsurãtorilor efectuate la cinci posturi hidrometrice reprezentative. În acest scop a fost folosit algoritmul Cascade-Correlation, un algoritm de învãþare supervizatã constructivã. Avantajele acestui algoritm constau în convergenþa mai rapidã ºi eliminarea necesitãþii de a determina a priori topologia reþelei.

În al doilea capitol sunt prezentate pe scurt reþelele neurale feed-forward ºi algoritmul Backpropagation. De asemenea, este prezentat algoritmul de învãþare Quickpropagation, folosit pentru antrenarea unitãþilor de ieºire ºi candidat din algoritmul Cascade-Correlation. Capitolul urmãtor trateazã algoritmul de învãþare Cascade-Correlation. Al patrulea capitol prezintã modelul experimental. Sunt analizaþi parametrii folosiþi ºi sunt prezentate cele mai bune rezultate obþinute pentru cele cinci serii de timp, precum ºi valorile parametrilor corespunzãtoare acestor rezultate.

2. Reþelele neurale

Reþelele neurale sunt structuri de procesare a informaþiei, bazate pe modul de funcþionare a creierului uman ºi sunt aplicate în general la recunoaºterea formelor, analiza datelor , sisteme suport de decizie, predicþia seriilor de timp, etc.

O reþea neuralã este o structurã de procesare a informaþiei paralelã, distribuitã care constã în unitãþi de procesare (care pot avea o memorie localã ºi pot efectua operaþii locale de procesare a informaþiei) interconectate prin conexiuni. Fiecare unitate de procesare are o singurã conexiune de ieºire care se ramificã în conexiuni colaterale; fiecare conexiune colateralã propagã acelaºi semnal: semnalul de ieºire al unitãþii de procesare. În fiecare unitate de procesare are loc o prelucrare a informaþiei, care trebuie sã fie complet localã; adica, trebuie sã depindã numai de valorile curente ale semnalelor de intrare ce sosesc la unitatea de procesare prin conexiuni ºi de valorile înregistrate în memoria localã a unitãþii de procesare.

Reþelele neurale îºi dezvoltã capacitãþile de prelucrare a informaþiei prin învãþarea din exemple.Tehnicile de învãþare pot fi împãrþite în douã categorii: învãþarea supervizatã ºi învãtarea nesupervizatã.

Învãþarea supervizatã necesitã un set de exemple pentru care se ºtie rãspunsul dorit al reþelei. Procesul de învãþare constã în adaptarea reþelei astfel încât sã producã rãspunsul corect pentru setul de exemple. Reþeaua obþinutã ar trebui sã fie capabilã sã generalizeze, adicã sã dea un rãspuns bun atunci când sunt prezentate alte exemple.

La învãþarea nesupervizatã, reþeaua neuralã este autonomã: prelucreazã datele care îi sunt prezentate, gãseºte anumite proprietãþi ale lor ºi învatã sã reflecte aceste proprietãþi la ieºire.

Multe din tehnicile de învãþare sunt legate de anumite topologii de reþele neurale.

2.1 Reþelele neurale feed-forward ºi algoritmul de învãþare Backpropagation

Reþelele neurale feed-forward [1] sunt reþele în care unitãþile de procesare (neuronii) sunt în general aranjate pe niveluri. O reþea feed-forward se noteazã , unde:

reprezintã numãrul unitãþilor de intrare;

reprezintã numãrul nivelurilor ascunse;

reprezintã numãrul nodurilor din nivelul ascuns ;

reprezintã numãrul unitãþilor de ieºire.