LM-BP算法在径流预测中的应用.pdfVIP

第 37卷第6期 人 民 黄 河 Vo1．37．No．6 2015年 6月 YELLOW RIVER Jun．，2015 【水文泥沙 】 LM—BP算法在径流预测中的应用 李婕好 ，陈志军，闫学勤 (新疆大学 电气工程学院，新疆 乌鲁木齐830047) 摘 要：为改善常规BP神经网络的性能，根据Nguyen—Widrow初始化规则对网络层的权值和闽值进行了初始化 ，利用 黄金分割法对隐层节点数所在区间进行了寻优，并采用Levenberg—Marquardt优化算法改进了BP神经网络模型，然后利 用经隐层单元优化的LM—BP网络模型对某流域的年径流量进行 了预测检验。结果表明：经隐层单元优化的LM—BP 网络收敛速度快；2001--2010年年径流量预测结果的相对误差均小于20％，合格率为 100％。 关 键 词：Nguyen—Widrow初始化算法；黄金分割法；LM—BP算法；隐层优化；BP神经网络；径流预测 中图分类号：I：338 文献标志码：A doi：10．3969／j．issn．1000—1379．2015．06．007 BP神经网络是一种多层前馈神经网络，由大量简 在区间[口，b]内按如下规则对称地取0、口：两点： 单的神经元广泛互连形成。根据 Kolmogarav定理 ，在 o1=0+0．382(6一o) (1) 有合理的结构和恰当的权值条件下，一个 3层 BP神 。2=n+0．618(b一0) (2) 经网络能以任意精度逼近有界非线性函数…。BP神 黄金分割法的搜索过程：①给出初始搜索区间 经网络中隐层节点数的选择一直是模型搭建过程中的 [6,／，b]及收敛精度e，将e赋值为0．618；②计算 o和 重点。从网络的实现上来说，若隐层节点过多，则会拉 0；③根据区间消去法原理缩短搜索区间，为了能用原 长网络训练时间，太少则很难达到较高的精度。文献 来的坐标点进行计算，需要进行区间名称的代换 ，并在 [2]提出了4种典型的确定人工神经网络隐层节点数 保留区间中计算一个新的试验点及其函数值；④检查 的经验公式，文献 [3]提出了隐层扩展模型，文献 [4] 区间是否缩短到足够小和函数值收敛精度是否足够 提出了动态训练样本数和动态隐藏节点数的循环搜索 高，若条件不满足则返回到步骤②，若条件满足则取最 方法，这些方法虽然简单、方便 ，但实用性还有待进一 后两试验点的平均值作为极小点的数值近似解。 步检验。 1．2 LM 算法 为此，在总结前人经验的基础上，笔者提出了一种 为克服常规 BP算法存在 的缺陷及其局限性，笔 优选方法并首次将其应用于径流预测，主要工作与创 者采用数值优化的LM法计算 BP神经网络权值调整 新如下：①提出了基于黄金分割理论的搜索寻优方法， 量_5一。从收敛性来看，LM算法具有高斯牛顿法的 提高了搜索效率；②提出了根据黄金分割原理来拓展 局部收敛性和梯度下降法的全局特性，在局部搜索能 隐层节点数所在区间的办法，满足了低误差的要求； 力上强于BP神经网络 J。 ③将隐层单元优化后的BP神经网络与 Levenberg— 基本思想：开始沿负梯度方向进行搜索，然后根据 Marquardt数值优化算法(简称 LM算法)结合，实现了 牛顿法在最优值附近产生一个理想的搜索方 向。第一 对某流域年径流量的预测。 次迭代的搜索方向确定为负梯度方向，即搜索方向：