流域年均含沙量bp模型问题分析论文

《流域年均含沙量bp模型问题分析论文》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、流域年均含沙量BP模型问题分析论文摘要：本文在用人工神经网络BP模型对流域年均含沙量进行多因素建模过程中，对BP算法进行了改进。在学习速率η的选取上引进了一维搜索法，解决了人工输入η时，若η值过小，收敛速度太慢，η值过大，又会使误差函数值振荡，导致算法不收敛的问题。建模实践表明.freel=1，隐含层节点数取r=12的三层BP网络建模。表1中，列举了网络学习过程中由一维搜索法得出的最优迭代步长ηk的系列值。由于数据量太大，因此间隔性地选取迭代过程中的部分值。从表1可看出，最后得出的ηk值为0，这说明网络收敛到局部极值点，这一点原B

2、P算法是无法达到的。另外大部分ηk值不相等，大的为3.1，小的可为0，而且有许多ηk值大于1，而并不是人们常认为的η只能在（0，1）内取值，同时这也说明根本不存在固定的学习速率η。表1网络学习过程中最优步长ηkValuesofηkinulationandpredictionresultsofimprovedBPmodel样本序号实测值计算值绝对误差相对误差(%)样本序号实测值计算值绝对误差相对误差(%)15.035.0300.0000323.553.5500.00010332.722.7200.00001844.054.0500.

3、00008853.223.2200.0000762.652.6500.00042871.911.9100.00066783.003.0000.00020591.311.3100.000076102.332.3300.000025113.553.5500.086938123.353.220.1273.789662132.552.100.44617.47964结论本文对BP算法进行了改进，即引入一维搜索法解决学习速率η的选取问题；改进后的BP算法可以使网络收敛到局部极值点，并提高算法的拟合精度。参考文献1焦李成。神经网络的应用与实现。

4、西安电子科技大学出版社，1995.2焦李成。神经网络系统理论。西安电子科技大学出版社，1995.3张光澄。最优化计算方法。成都科技大学出版社，1990.4王汉成。水土保持原理。水利电力出版社，1992.5李祚泳，邓新民，侯宇光。流域年均含沙量的PP回归预测。泥沙研究，1999，(1)，66-69.