人工神经网络、小波分析和遗传算法的研究是当代信息科学技术的前沿和热点,对于复杂非线性系统辨识和预测具有重要的理论和应用价值。本文在深入研究小波分析、人工神经网络和遗传算法的基础上,主要完成了以下研究工作。 本文对人工神经网络和小波网络的逼近能力进行研究,并对三层前馈网络、径向基函数网络以及小波神经网络的逼近能力进行仿真。通过理论分析和仿真结果可知小波网络具有逼近能力强、收敛速度快等特点。以非线性系统辨识问题为应用背景,将小波的多分辨率理论与人工神经网络相结合,构造了自适应小波网络,该网络由平滑子网和细节子网构成,通过自适应的并入新的细节子网来不断地提高学习精度,而对新的细节子网的训练不会影响到已训练成功的原网络的结构。研制了自适应小波神经网络模型改进算法,解决了传统方法难以确定网络隐层节点个数的问题,本文采用基于遗传算法的子网结构辨识方法来确定各子网的隐层单元数。仿真结果表明该方法具有逼近精度高、泛化能力强的特点。 针对色谱数据中存在着噪声,而噪声会污染原始的真实信号,从而影响色谱峰的自动识别和峰面积的准确计算。因此,在对色谱数据进行定性和定量分析之前,要对所得到的色谱数据进行去噪处理,本文采用基于小波分析的小波阀值去噪法对色谱信号去噪,并将本文提出的自适应小波神经网络改进算法应用于油田录井色谱数据建模和油田试井压力数据建模,获得良好的效果。仿真和应用表明了本文提出的方案的有效性。