基于MATLAB的改进BP神经网络在城市日用水量预测中的应用.pdfVIP

第28 卷 第10 期 河 南 科 学 Vol.28 No.10 2010 年10 月 HENAN SCIENCE Oct. 2010 文章编号：1004-3918 （2010）10-1309-04 基于MATLAB 的改进BP 神经网络在城市 日用水量预测中的应用 于 洋 （同济大学环境科学与工程学院，上海 200092） 摘 要：利用MATLAB 神经网络工具箱对城市短期用水量进行模拟，比较各种改进BP 神经网络对城市短期用水预 测方面的效果，得出用BP 神经网络预测城市日需用水量是可行的，其中尤以traincgp 方法预测效果最好的结论. 关键词：需水量预测；BP ；MATLAB ；神经网络工具箱 中图分类号：TU 991.31 文献标识码：A 城市用水量预测一般分为长期用水量预测和短期用水量预测两种：长期用水量预测主要用于城市及水 资源的整体规划；短期用水量预测主要用于城市给水系统在线实时模拟，是供水优化调度的前提，对供水企 业来说，短期用水量预测具有十分重要的意义. 常用的预测方法包括回归分析法、自适应分析法、AMRA 法、人工神经网络法及灰色模型法等. 对于针 对优化调度所进行的时预测和日预测，宜采用人工神经网络法进行预测. 1 BP 神经网络原理 人工神经网络（Artificial Neural Networks ，ANN）是对人脑若干基本特性通过数学进行抽象和模拟，是一 [1] 种模仿人脑结构及其功能的非线性信息处理系统 . 误差反传前馈网络（Back Propagation ，BP 网络）是最常 用的一种人工神经网络，广泛应用于模式识别、预测和预报、优化等各方面. 特别是在预测方面，BP 神经网 络显示出了良好的效果. 人工神经网络具有以下特点：具有大规模的并行计算与分布式存贮能力；具有非 线性映射能力；具有较强的容错性；自适应、自组织、自学习能力强. BP 神经网络主要包括3 种层次和两个过程：3 种层次分别为输入层、中间层（也叫隐含层）、输出层. 其 中中间层可以为一层，也可以为多层，这3 种层次如图 1 所示. 两个过程分别为信号的正向传播过程和误 差的反向传播过程. 当给定网络的一个输入模式时，它由输入层传递到中间层单元，经过中间层单元逐个 处理后传送到输出层单元，由输出层单元处理后产生一个输出模式，这就是信号的正向传播过程. 如果网 络的输出与样本期望输出有误差，若该误差未达到允许值，那么就转入误差反向传播，将误差值沿着连接通 路逐层传送并修正各层连接权值，这是误差的反向传播过程. 2 基于MATLAB 的BP 神经网络 应用MATLAB 集成的神经网络工具箱（Neural Network Toolbox 简称NNTool），只需要掌握网络学习训练函数就可 以实现算法的仿真，NNTool 提供了丰富的网络学习和训练 函数，为神经网络的仿真提供了极大的方便. 用户可以根 据需要调用相关的程序，节省了程序设计、调试及网络学习 训练所需的时间，提高了神经网络系统的设计与分析效率. 输入层 中间层 输出层 传统BP 神经网络在理论上的完善性和广泛的实用性 图1 BP 神经网络的3 种层次 决定了它在人工神经网络中的重要地位，但其算法自身的 Fig.1 Three levels of BP ANN 缺陷也是不可回避的. 主要问题可以归纳为以下几点：局 收稿日期：2010-08-02