人工神经网络在城市需水量预测中的应用.pdfVIP

第 l5卷第 11期 水利科技与经济 V01．15 No．11 2009年 11月 WaterConservancyScienceandTechnologynadEconomy Nov．，2009 人 工 神 经 网 络 在 城 7h需 水 量 预 测 中 的 应 用 崔仰彬 ，董珊珊，杨 曦 (哈尔滨市水利工程建设监理站 ，哈尔滨 150001) [摘 要]介绍了BP神经网络的结构及其工作原理，用其在城市需水量方面进行预测。人工神 经网络(ArtificialNeuralNetworks，缩写ANN)是通过数学方法对人脑若干基本特性进行的抽象和 模拟 ，模仿人脑结构及其功能的非线性信息处理系统。主要应用于模 式识别、预测和预报 、优 化问题、神经控制、智能决策和专家系统等。 [关键词】人工神经网络；BP神经网络；城市需水量 [中图分类号] TV212 [文献标识码] A [文章编号] 1006—7l75(20O9)11—0988—03 活函数，即 1 BP网络的模型结构和工作原理 1 ， (2) 1．1 BP网络的模型结构 (3)输出层。输出向量为O= (O1，O2，…，O，…，Of)T。 BP网络(ErrorBackPropagation，简称 BP)是 目前各领 O表示隐含层的输出Y经过加权求和在输出层得到的输 域应用最为广泛的人工神经网络，BP算法的基本思想是 ： 出向量 ，即 学习过程 由信号正向传播与误差的反向传播两个过程组 成 。 Ok= 乏 ) =1，2，…，1 (3) 在 BP网络的应用中以3层网络最为普遍 ，见图1。 m 表示隐含层第 个神经元到输出层 个神经元的 所谓3层包括了输入层、隐含层和输出层。 连接权重。最后还有一个期望输出d=(dI，d2，…， ，…， O． Ok q )，用于检验输出向量 Y。 1．2 BP网络的工作原理 正向传播时，输入样本从输入层输入后，经各隐含层 的计算处理后传向输出层。若输出层的各层实际输出与 期望的输出不符或超出了允许的误差范围，则算法转入 反向传播阶段。误差的反向传播是将误差各单元的输出 误差以特定的方式分别通过隐含层 向输入层逐层反传， 图1 3层BP神经网络 计算每一层的误差信号，以该误差信号作为各单元的权 (1)输入层。输入样本对为X= (i， ，…， )，再 值调整依据。当网络输出达到预定的精度或预定的训练 加入 。=1，可为隐层引入阈值，即一个约束。 次数 ，权值调整结束。