站内搜索

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

水利工程论文-流域年均含沙量BP模型问题分析.doc水利工程论文-流域年均含沙量BP模型问题分析.doc

收藏 分享

资源预览需要最新版本的Flash Player支持。
您尚未安装或版本过低,建议您

水利工程论文流域年均含沙量BP模型问题分析摘要本文在用人工神经网络BP模型对流域年均含沙量进行多因素建模过程中,对BP算法进行了改进。在学习速率Η的选取上引进了一维搜索法,解决了人工输入Η时,若Η值过小,收敛速度太慢,Η值过大,又会使误差函数值振荡,导致算法不收敛的问题。建模实践表明,改进后的BP算法可能使网络误差函数达到局部极小点,提高了算法的拟合精度。关键词BP算法学习速率年均含沙量一维搜索法我国河流众多,自然资源十分丰富,但江河流域水土流失非常严重,给国家的可持续发展以及生态环境带来较大的危害。对于流域产沙的定量研究,一般采用单因子线性回归方法。这类方法虽然也能反映出某种统计特性,但不能刻画自然界复杂的非线性特性。人工神经网络BP网络模型是复杂非线性映射的新方法。在引入这一新的定量研究方法对流域年均含沙量进行建模预测时发现算法中学习速率Η值的选取对算法成败起着关键作用,若Η值过小,收敛速度太慢,而Η值过大,又会使误差函数值不下降,导致算法不收敛。本文正是针对这一问题进行了探讨。1BP网络模型及学习率Η固定的弊端人工神经网络理论是80年代中后期迅速发展起来的一门前沿科学,其应用已渗透到各个领域1。BPBACKPROPAGATION神经网络模型是人工神经网络理论的重要模型之一,应用尤为广泛。尽管BP网络模型发展逐步成熟,但仍然存在许多问题,在理论上需要完善2。BP算法主要包括两个过程,一是由学习样本、网络权值Ω从输入层→隐含层→输出层逐次算出各层节点的输出;二是反过来由计算输出与实际输出偏差构出的误差函数E(Ω),用梯度下降法调节网络权值,即ΩK1ΩKΗ使误差EΩK1减小。上式中的Η为学习速率,即沿负梯度方向的步长。对于BP算法学习速率Η的选取标准,一些研究者凭经验认为取0~1之间较合适,但这并无理论依据。实质上,Η大小的选取对算法的成败起关键作用,步长过大,误差函数值可能发生振荡,甚至出现不收敛,而步长过小,收敛速度又太慢,并且在每一次迭代中,可选步长也不一样。总之,对于BP算法固定的学习速率Η不可能使网络达到局部极值点。为此,本文引进一维搜索法,在每一次迭代过程中让计算机自动去寻找一个最优的步长,这样可使网络收敛到局部极值点。2BP算法及其改进21BP算法步骤1随机抽取初始权值Ω0;2输入学习样本对(XP,YP),学习速率Η,误差水平Ε;3依次计算各层结点输出
编号:201312122213046043    类型:共享资源    大小:111.35KB    格式:DOC    上传时间:2013-12-12
  
2
关 键 词:
专业文献 建筑水利 精品文档 水利工程
  人人文库网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
关于本文
本文标题:水利工程论文-流域年均含沙量BP模型问题分析.doc
链接地址:http://www.renrendoc.com/p-206043.html

当前资源信息

4.0
 
(2人评价)
浏览:3次
wenku上传于2013-12-12

官方联系方式

客服手机:17625900360   
2:不支持迅雷下载,请使用浏览器下载   
3:不支持QQ浏览器下载,请用其他浏览器   
4:下载后的文档和图纸-无水印   
5:文档经过压缩,下载后原文更清晰   

精品推荐

相关阅读

关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服客服 - 联系我们

网站客服QQ:2846424093    人人文库上传用户QQ群:460291265   

[email protected] 2016-2018  renrendoc.com 网站版权所有   南天在线技术支持

经营许可证编号:苏ICP备12009002号-5