改进 BP 神经网络模型在小康水利综合评价中的应用.pdfVIP

第42卷第4期 河 海 大 学 学 报 (自然 科 学 版 ) Vo1．42No．4 2014年 7月 JournalofHohaiUniversity(NaturalSciences) Ju1．2014 DOI：10．3876／j．issn．1000—1980．2014．04．005 改进 BP神经网络模型在小康水利综合评价中的应用 崔东文，金 波 (文山州水务局 ，云南 文山 663000) 摘要：分析BP神经网络应用于小康水利综合评价 中存在 的几个关键性 问题。利用层次分析法 (AHP)从 100余个水利统计指标中遴选出30个具有一定代表性的指标用于构建小康水利综合评 价指标体系并给出相应的分级标准；采用LM算法弥补标准BP神经网络在实际应用中存在收敛速 度慢、易陷入局部极值等不足，建立了神经网络小康水利综合评价模型——LM—BP模型；利用随机 内插方法在小康水利综合评价分级标准阈值间生成训练样本和检验样本；提出网络拟合度的概念 ； 选取网络拟合度、平均相对误差等5个统计指标用于评价模型性能。在模型达到预期的评价精度 和泛化能力后，将其用于文山州小康水利综合评价，并构建传统BP模型、RBF模型作为对比模型。 结果表明：(a)无论是训练样本还是检验样本，LM．BP模型的评价精度均高于传统BP神经网络模 型、RBF神经网络模型近一个数量级，表明LM—BP模型具有较高的评价精度和泛化能力，可用于文 山州小康水利综合评价 ，模型收敛速度快 、稳定性能好。(b)2010年文山州及各县级行政 区小康水 利综合评价为 1～2级，处于起步一基本 实现阶段 ；2020年预测评价为 3级，全州基本实现小康 水利 。 关键词：小康水利综合评价；改进 BP神经网络模型；LM算法；层次分析法；文山壮族苗族 自治州 中图分类号：TV213．9 文献标志码：A 文章编号：1000—1980(2014)04—0306—08 ApplicationofimprovedBP neuralnetworkmodelto comprehensiveevaluation ofwaterconservancyinastateofrelativeprosperity cuIDongwen，JIN Bo (WenshanWaterConservancyBureauofYunnanProvince，Wenshan663000，China) Abstract：ThispaperfoeusesonseveralkeyissuesofaBPneuralnetworkwhenitisappliedtothecomprehensive evaluationofwaterconservancyinastateofrelativeprosperity．Basedontheanalytichierarchyprocess(AHP)， 30representativeindicatorswereselectedoutofmorethan100waterconservancyindicators，inordertobuildupa comprehensiveevaluationsystem ofwaterconservancyinastateofrelativeprosperityandgradingstandardsaswel1． Inpractical application，theBP neuralnetwork has shortcomings，including the slow convergenceand likely occurrenceoflocalextremevalues． To overcome these shortcomings，an LM—BP neural network modelwas establishedforcomprehensiveevaluationofwaterconservanc