基于遗传神经网络的环境质量评价系统.pdfVIP

　第 3 卷 　第 1 期 　　　　　　　　 华北科技学院学报 　　　　　　 2006 年 3 月 ① 　 基于遗传神经网络的环境质量评价系统 ② 蒯圣龙 1 ,李云辉2 ( 1 安徽水利水电职业技术学院 ,安徽 合肥 　23060 1 ;2 昆明理工大学 国土资源工程学院 ,云南 昆明　650093) 摘 　要 : 基于遗传神经网络的环境质量评价方法是用遗传算法和 B P 算法相结合的混合算法来训练环境质 量评价神经网络预测模型的权值 ,即先通过遗传学习算法进行全局训练 ,再用权重调整 B P 算法进行精确训 练 ,这一算法克服了B P 算法收敛速度慢 、易陷入局部极小等缺陷 ,环境质量评价实例证明提高了预测精度 。 又将三种评价方法的评价结果进行对比 ,得到该方法的评价结果比传统的专家评价法的评价结果更加准确 。 因此该方法也为环境质量评价提供了一种新的研究思路和分析方法 。 关键词 : 环境质量评价 ;遗传算法 ;B P 算法 ;预测精度 ;遗传神经网络 中图分类号 :X820 2 　　文献标识码 :A 　　文章编号 : 1672 - 7 169 (2006) 0 1 - 0062 - 03 　　环境质量评价系统中各评价因子之间是复杂 的权值和阈值进行全局粗精度的预学习 ,定位最 的非线性关系 ,传统的环境质量评价方法如专家 优解区域 ,使得权值和阈值种群聚集在参数解空 评价法 、常用的综合指数评价法等并不能精确地 间的某几处 ,再用 B P 算法在这些小的解空间中 描述各因子之间的非线性关系 。而 B P 神经网络 进行梯度细搜索 ,最终求得最优解[2 ] 。本文讨论 是一个高度非线性的映射 ,正是 B P 网络的这种 遗传算法与神经元网络相结合进行环境质量评 非线性映射关系 ,可利用其有效地进行环境质量 价 ,对网络结构和权值同时优化 ,具有全局搜索最 评价 。 优解的优点 。 1 　BP 神经网络 2 1 　遗传 BP 网络权值 、阈值优化 ( 已知某一网络结构 网络层数 、隐节点、输入 ( ) 反向传播 B P 算法又称为误差逆传播校正 ) 节点、输出节点 ,用遗传 B P 算法对该网络进行 方法 ,它是 1974 ～1985 年 P . Werbo s ( 哈佛大学) ( 权值 、阈值优化 先通过遗传学算法进行全局训 提出的。B P 算法用来训练多层前馈神经网络 ,属 ) 练 ,再用权重调整 B P 算法进行精确训练