Page 101 - 《应用声学》2023年第2期

第 42 卷 第 2 期 黄毅等： 数值仿真生成的汽车后空调气动噪声预测及评价 289

以 训 练 好 后 网 络 的 测 试 样 本 均 方 误 差 (Mean- 到的神经网络各层权值和阈值分布范围相对较小，
square error, MSE) 的倒数作为 GA 的适应度函数， 而采用随机 (rand) 初始权值和阈值训练得到的神
GA种群设置为40，迭代终止条件以进化代数为100 经网络各层权值和阈值分布范围明显更大，这使得
判断标准，每个阈值及权值的二进制基因编码位数 各层输出值对输入值敏感性更强，使得网络呈现过
设置为 10，复制、交叉和变异操作的概率分别设置 泛化的趋势，输出层预测范围易扩大。
为 0.95、0.7 和 0.01；预测样本选为表 2 中 ◦ 样本序
0.9
号，测试样本选为表2中⋄样本序号。
0.8
GA 迭代过程中每代最小 MSE 的变化如图 12
所示，MSE 值最终为 0.53，分别以优化的初始权值 ឨࣀᄊԫӑ 0.7
及阈值和随机生成的初始值训练网络，最终得到 0.6
神经网络预测模型的权值及阈值大小分布如图 13
0.5
所示。其中图 13(a) 为输入层到隐含层之间的权值； 0 20 40 60 80 100
᥌̽͜஝
图 13(b) 为输入层到隐含层的阈值；图13(c) 为隐含
层到输出层的权值；图 13(d) 为隐含层到输出层的 图 12 GA 优化的神经网络 MSE 迭代
阈值，每个子图的横坐标为对应层的神经元编号。 Fig. 12 MSE iteration of neural network opti-
由图 13 可知，经 GA 优化初始权值和阈值后训练得 mized by GA

7.5 7.5

0 0

ిϙ ᫠ϙ

-7.5 -7.5
Rand1 GA1
Rand2 GA2 Rand
Rand3 GA3
GA
Rand4 GA4
-15.0 -15.0
0 2 4 6 8 10 0 2 4 6 8 10
ᬥեࡏᇸፃЋᎄՂ ᬥեࡏᇸፃЋᎄՂ
(a) ᬥեࡏᇸፃిϙ (b) ᬥեࡏᇸፃЋ᫠ϙ
10 5.0

5 2.5
ిϙ ᫠ϙ

0 0
Rand Rand
GA GA
-5 -2.5
0 2 4 6 8 10 0 1 2
ᬥեࡏᇸፃЋᎄՂ ᣥѣࡏᇸፃЋᎄՂ
(c) ᬥեࡏᇸፃЋిϙ (d) ᣥѣࡏᇸፃЋ᫠ϙ
图 13 最终神经网络权值及阈值大小分布
Fig. 13 Final neural network weight and threshold size distribution