BP神经网络模型预测未来.doc_第1页
BP神经网络模型预测未来.doc_第2页
BP神经网络模型预测未来.doc_第3页
BP神经网络模型预测未来.doc_第4页
BP神经网络模型预测未来.doc_第5页
已阅读5页，还剩3页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

神经网络模型预测未来BP神经网络算法概述:简介与原理 BP神经网络是一种多层前馈神经网络，该网络的主要特点是：信号前向传递，误差反向传播。在前向传递中，输入信号从输入层经隐含层逐层处理，直至输出层，每一层的神经元状态只影响下一层神经元状态。如果输出层得不到期望输出，则转入反向传播，根据预测误差调整网络权值和阈值，从而使BP神经网络预测输出不断逼近期望输出。BP神经网络的拓扑结构如下图所示： 输入层 隐含层 输出层 BP神经网络结构图图中 是BP神经网络的输入值， 是BP神经网络的预测值， 为BP神经网络权值。BP神经网络预测前首先要训练网络，通过训练使网络具有联想记忆和预测能力。BP神经网络的训练过程包括一下几个步骤。步骤一：网络初始化。根据系统输入输出序列确定网络输入层节点数隐含层节点数、输出层节点数、初始化输入层、隐含层和输出层神经元之间的连接权值初始化隐含层阈值，给定输出层阈值，给定学习速率和神经元激励函数。步骤二：隐含层输出计算。根据输入向量，输入层和隐含层间连接权值 ，以及隐含层阈值，计算隐含层输出。步骤三：输出层输出计算。根据隐含层输出 ，连接权值 和阈值 ，计算BP神经网络预测输出 。步骤四：误差计算根据网络输出 和预期输出 ，计算网络预测误差 。步骤五：权值更新。根据网络预测 更新网络连接权值 步骤六：阈值更新。根据网络预测误差 更新网络节点阈值 。步骤七：判断算法迭代是否结束，若没有结束，返回步骤二。 下面是基本BP算法的流程图。BP神经网络的拓扑结构如下图所示： 输入层 隐含层 输出层神经网络预测的算法流程如下：步骤一：对初始数据进行标准化。步骤二：利用原始数据对网络进行训练。步骤三：对未来第年第类污染程度的河流长度比例进行预测。步骤四：利用第年预测得到的数据作为样本再对网络进行训练。步骤五：然后令，回到Step2，直到。2.建模步骤：Step 1 建立如下网络拓扑结构表3 网络结构网络基本结构输入激发函数输出激发函数学习方法精度10151函数函数梯度下降法0.001输出层隐含层输入层图6：网络拓朴结构图Step 2 网络训练1、样本数据预处理2、利用处理后的数据对网格进行训练。Step 3 进行预测利用Levenberg_Marquardt 的BP 算法训练函数，预测的算法流程如下：Step1：对初始数据进行标准化。Step2：利用原始数据对网络进行训练。Step3：对未来第t 年第i 类污染程度的河流长度比例进行预测。Step4：利用第t 年预测得到的数据作为样本再对网络进行训练。Step5：然后令t=t+1，回
人人文库> 全部分类> 行业资料 > 管理策划

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 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，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论