关于熵值法BP网络输入变量加权分层方法研究.PDFVIP

第 16 卷 第 2 期 水 科 学 进 展 Vol16 ,No2 2005 年 3 月 　　 ADVANCES IN WATER SCIENCE 　 Mar , 2005 　 基于熵值法的BP 网络输入变量加权分层方法研究 张小峰 , 袁 　晶 (武汉大学水资源与水电工程科学国家重点实验室 , 湖北 武汉 　430072) 摘要 : 当BP 网络模型的输入变量包括多个类别时 , 如果其中几类变量的个数远多于其它类别的变量 , 变量多的这 几类会削弱其它类变量对输出变量的影响 , 导致模型预报误差增大 。提出BP 网络输入变量加权分层的改进方法 。 根据熵值法模型对每个类别包含的所有变量按其重要程度加权平均 , 得到代表各类的综合影响指标 , 将这些综合 影响指标作为 BP 网络模型的输入变量得到模型预报结果 。改进后的模型更全面合理地考虑了各类输入变量的变化 对输出变量的影响 , 发展了神经网络的应用理论 。实例计算表明 , 模型预报精度得到明显提高 。 关 　键 　词 : BP 网络 ; 神经网络 ; 预报方法 ; 河床变形 ; 加权分析 ; 信息熵 ( ) 中图分类号 : TV147 　　　文献标识码 : A 　　　文章编号 : 2005 神经网络的理论和技术已被广泛应用于许多研究领域 。多层前向神经网络及其相应的BP 算法是当今应用 最广泛的一种神经网络 。该方法对非线性函数有较强的逼近能力 , 且学习算法简单 , 为未知非线性系统辨识与 控制提供了一个新的有效方法 。但现行BP 网络应用于大样本集和复杂模式的问题时 , 特别当输入变量包括多 个类别且其中几类变量的个数远多于其它类的变量个数时 , 个数多的这几类对输出变量构成最主要的影响因素 而削弱其它类变量对输出变量的影响 , 导致模型不能全面考虑各类输入变量对输出变量的影响 , 难以对输出变 量进行较为准确的预报 。 熵是源于热力学的概念 , 熵的本质是系统状态的不确定性 。目前熵值法已被广泛应用于确定各指标的客观 权重 。王　等[ 1] 引入熵信息的概念 , 确定各指标的客观权重 , 对诸投标方案进行综合评定 , 最终实现投标方案 [2 ] 的排序和优选 。魏隽等 用熵值法对软件产业各专业领域进行发展次序优先排序 。本文在 BP 网络的基础上 , 提出了一种基于熵值法的输入变量加权分层处理方法 。改进后的方法以输入变量的类别作为划分单位 ,