人工神经网络法预测时用水量2行政.docVIP

人工神经网络法预测时用水量2行政论文范文大全 人工神经网络法预测时用水量 　3　时用水量预测 　　3.1　方法 　　利用bp神经网络预测时用水量分为三大步骤：第一步为训练样本的准备和归一化，第二步为神经网络的训练，第三步是利用训练后的神经网络对用水量进行预测［6］。 　　由于用水量的数值较大，应对其进行一定的预处理，一般可采用初值化、极值化或等比变换。通过这些变换可有效地缩短神经网络训练时间，从而加快网络收敛速度。 　　3.2　实例 　　采用华北某市2000年24h用水量的实测数据进行预测。在应用神经网络预测模型预测时用水量时，建立了时用水量数据库，共收集了240个样本，每个样本包括24h的时用水量资料。  　　通过选取不同的输入样本数及不同的隐层单元个数来比较其训练与预测结果的最大相对误差、均方差、程序运行时间以决定网络的结构。经过比较，最后决定采用一个隐层、12个隐层单元、24个输出单元的bp网进行训练, 训练过程中均采用24h的时用水量作为输入与输出节点(即opi与opj)。 　　由于时用水量变化具有趋势性、周期性及随机扰动性的特点，故预测样本的变化规律将直接影响预测结果的变化趋势，所以在预测时应根据预测对象的情况，选择适当的样本进行预测 。 　　①预测次日24h的时用水量(或某一时刻的用水量) 　　a.如果这一