BP神经网络模型预测未来.docxVIP

BP神经网络模型预测未来 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， 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 10—15—1 函数 函数 梯度下降法 0.001 … … … … 输出层隐含层输入层 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，回到Step2，直到t=10。 BP神经网络的特点有：(1)良好的逼近能力 (2)误差可以控制 输入层 隐含层 输出层