基于bp网络的地震预测.pptVIP

基于BP网络的地震预测 一、BP网络的基本原理。 BP网络是一种单向传播的多层前向网络，BP网络是一种具有三层或三层以上的神经网络，其结构如图1所示： 包括输入层、中间层（隐层）和输出层。上下层之间实现全连接。 而每层神经元之间无连接。当对学习样本提供给网络后，神经元的激活值从 输入层经合中间层向输出层传播，在输出层经过个中间层逐层修正个连接权值，最后回到输入层，这种算法称为“误差逆传播算法”，即BP算法。随着这种误差逆的传播修正不断进行，网络对输入模式响应的正确率也不断上升。  ＢＰ网络的学习，由四个过程组成：输入模式由输入层经隐含层向输出层的“模式顺传播” 过程，网络的希望输出与实际输出之差的误差信号由输出层向输入层逐层修正连接权的“误差逆传播”过程，由“模式顺传播”与“误差逆传播”的反复交替进行的网络“记忆训练” 过程，网络趋向收敛即网络的全局误差趋向极小值的“学习收敛”过程。归结起来为，“模式顺传播”→“误差逆传播”→“记忆训练”→“学习收敛”过程。 BP网络的优点：（1）网络实质上实现了一个从输入到输出的映射功能，而数学理论已证明它具有实现任何复杂非线性映射的功能。这使得它特别适合于求解内部机制复杂的问题； (2)网络能通过学习带正确答案的实例集自动提取“合理的”求解规则，即具有自学习能力； (3)网络具有一定的推