基于WOA优化神经网络的BOTDA传感信息提取

人工神经网络（ANN）已被应用于获取布里渊光时域分析仪（BOTDA）所测的布里渊频移信息（BFS）,然而其存在易陷入局部最优和收敛速度慢等缺点。为了克服上述缺点,本文提出一种基于WOA优化人工神经网络（WOA-NN）快速获取布里渊光纤传感器BFS的方法;随后通过设计非线性收敛因子a,进一步构建基于非线性WOA优化的神经网络（NWOA-NN）用来提取BFS。将提出的2种网络与经典ANN、粒子群优化神经网络（PSO-NN）、遗传算法优化神经网络（GA-NN）等模型进行比较,实验结果表明,本文所提出的WOA-NN模型在提取BOTDA中的温度信息时的性能优于其他3个网络,其所获取的温度的平均RMSE分别低于ANN、PSO-NN和GA-NN约42.66%、52.51%以及45.93%,NWOA-NN模型所获取的平均RMSE进一步优于WOA-NN 19.08%。同时,使用ANN、PSO-NN、GA-NN、WOA-NN和NWOA-NN进行训练所花费的平均时间分别为929.71 s、889.49 s、699.36 s、580.06 s和549.12 s,所提出的2个网络训练时间表现亦较好。