会员注册 | 登录 | 微信快捷登录 支付宝快捷登录 QQ登录 微博登录 | 帮助中心 人人文库renrendoc.com美如初恋!
站内搜索 百度文库

热门搜索: 直缝焊接机 矿井提升机 循环球式转向器图纸 机器人手爪发展史 管道机器人dwg 动平衡试验台设计

   首页 人人文库网 > 资源分类 > DOC文档下载

水利工程论文-灌溉发展需求预测人工神经网络模型的建立与应用.doc

  • 资源星级:
  • 资源大小:42.61KB   全文页数:11页
  • 资源格式: DOC        下载权限:注册会员/VIP会员
您还没有登陆,请先登录。登陆后即可下载此文档。
  合作网站登录: 微信快捷登录 支付宝快捷登录   QQ登录   微博登录
友情提示
2:本站资源不支持迅雷下载,请使用浏览器直接下载(不支持QQ浏览器)
3:本站资源下载后的文档和图纸-无水印,预览文档经过压缩,下载后原文更清晰   

水利工程论文-灌溉发展需求预测人工神经网络模型的建立与应用.doc

水利工程论文灌溉发展需求预测人工神经网络模型的建立与应用摘要本文将计算机人工神经网络理论首次引入灌溉宏观发展战略研究领域,以各五年计划期末全国粮食总产与影响因子集为训练样本,建立了灌溉发展需求预测人工神经网络模型从建国以来40多年的时间序列中,任选5个年份的相应参数作为校核样本,对所建模型进行了校核根据今后我国人口增长与粮食需求发展趋势,利用模型对未来30年全国的灌溉面积发展需求进行了预测分析了预测结果,提出了发展对策.其成果对制定全国灌溉宏观发展战略与政策措施,确保未来30年中国粮食与经济安全具有十分重要的参考意义.关键词灌溉人工神经网络预测粮食发展需求计算机近年来国内外兴起的人工神经网络研究方法能对信息进行大规模并行处理具有很强的鲁棒性和容错性善于联想、概括、类比和推理而且具有很强的自学习能力,善于从大量统计资料中分析提取宏观统计规律,很适合灌溉宏观发展战略的定量研究.因此,本文引入人工神经网络原理,来建立全国粮食总产与影响因子间的定量关系模型.1模型的建立在其它条件不变的情况下,粮食总产主要取决于播种面积、灌溉面积、农田成灾面积、渍涝盐碱地面积、粮食价格、良种覆盖率、化肥使用量、科技贡献率8个主要因素.为确定粮食总产与影响因子间的定量关系,根据人工神经网络基本原理,设计相应的神经网络网络共分四层,一个输入层,二个隐含层,一个输出层.输入层8个节点,输出层1个节点.令Qm,Hi,Wj,O分别为第1、2、3、4层的输出Ui,Vj,S分别为第2、3、4层的输入Aim,Bji,Cj分别为第1~2层,2~3层,和3~4层单元的连接权值Xi,Yj,Z分别为第2、3、4层单元的偏置值Di,Jj,G分别为第2、3、4层的误差信号.设有L个学习样本Q1,T1,Q2,T2,,Ql,Tl定义误差函数1式中Tk,Ok分别表示样本k时网络的期望输出和实际输出值.根据人工神经网络BP算法基本原理,采用逐次修正法,用FORTAIN5.0编制模型源程序.模型计算步骤如下1.网络初始化取学习步长α0.1,冲量因子β0.1,最大学习误差E0.00012,令权值AimBjiCj0.65i1,2,,8j1,2,,8m1,2,,8置偏值XiYjZ0.35i1,2,,8j1,2,,8令样本输入值输入层输出值Qm,m1,2,,82.计算各层输入与输出第二层i1,2,,82HifUi3式中f为Sigmoid函数第三层j1,2,,84WjfVj5第四层6Ofs73.计算各层误差信号GOTO1O8FjGCjWj1Wj9104.修改各层权值CjCjαGWj11BjiBjiαFjHi12AimAimαDiDm135.修改各层偏置值EEβG14YjYjβFj15XiXiβDi166.输入下一样本7.学习样本结束,更新学习次数8.如果E0.00012,学习结束.2模型的训练分别以建国以来各五年计划期末粮食总产与对应的8个影响因素值为训练样本的期望输出和样本输入来训练模型.根据有关农业、水利统计资料,查得相关年参数如表1所示.表1模型训练参数年代粮食产量亿吨播种面积亿亩灌溉面积亿亩良种覆盖率农田受灾万亩渍涝盐碱地亿亩粮食价格元/吨化肥用量万吨科技贡献率19521.63918.5972.904100.624138.47.8519571.95120.0454.109202.2474.116237.3619621.618.2434.455302.5014.119063719651.94517.9444.806401.6834.21229.2194.2819702.417.895.4500.4944.21270351.2919752.84518.1596.918601.5064.371310536.21019803.20617.5857.331803.3484.584360.61269.41519853.79116.3277.19623.4064.785416.11775.82019904.46217.027.26802.6734.86802590.32519954.66616.5097.368854.954.914803592.230为消除量纲影响,对表1中原始数据做如下标准化处理1.影响因子数据处理设影响因子值为Xiji1,2,,8j1,2,,10i,j分别为影响因子数及样本数,则标准化过程为171819XijXijBRi/BRRRi202.粮食产量数据处理设Yj为第j个样本的粮食产量,则处理公式为YjYj/721将处理好的10组样本参数输入模型训练,当训练至E0.00012时,得出模型训练结果如表2所示表2灌溉面积预测模型训练结果年代模拟产量/亿吨实际产量/亿吨绝对误差/亿吨相对误差/19521.64651.63870.00780.4719571.91761.95090.03331.7119621.65111.60020.05093.1819651.96681.94530.02151.1119702.33922.40030.06112.5519752.88112.84480.03631.2819803.18913.2060.01690.5319853.76543.79120.02580.6819904.49994.46180.03810.8519954.65744.66620.00880.19从表中看出,10个训练样本的模拟输出与期望输出的相对误差均在±3.2的范围内,模型的收敛效果很好.经过上述训练所得到的权重体系及偏置值所确定的网络就是所要建立的灌溉发展需求预测人工神经网络模型.

注意事项

本文(水利工程论文-灌溉发展需求预测人工神经网络模型的建立与应用.doc)为本站会员(奋斗不息)主动上传,人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对上载内容本身不做任何修改或编辑。 若此文所含内容侵犯了您的版权或隐私,请立即通知人人文库网([email protected]),我们立即给予删除!

温馨提示:如果因为网速或其他原因下载失败请重新下载,重复下载不扣分。

copyright@ 2015-2017 人人文库网网站版权所有
苏ICP备12009002号-5