BP神经网络模型预测未来.docx

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10—15—1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