资源描述：
《基于matlab的人工神经网络用水量预测模型》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、中国农村水利水电2007年第4期45文章编号:1007-2284(2007)04-0045-03基于Matlab的人工神经网络用水量预测模型周振民,刘荻(华北水利水电学院,郑州450008)摘要:寻找一种适当的方法来科学地预测城市生活需水量,对城市的发展具有十分重要的意义。鉴于城市生活用水量受众多因素影响,并具有复杂的非线性的特点,建立了基于Matlab技术的LM-BP网络的城市用水量预测模型,并利用某市的家庭生活用水量的实测数据对该模型进行网络的训练学习和预测验证。结果表明,采用Matlab技术建模具有方便快捷、不会陷入复杂的编程运算的困扰中的优点,同时该模型具有收敛速度快、预
2、测精度高的特性,为城市生活用水量预测提供了一种行之有效的方法。关键词:生活用水量;预测;人工神经网络;matlab中图分类号:F224.9文献标识码:A大量神经元互相连接而组成的复杂网络系统,对非线性系统具0引言[4]有很强的模拟能力。此外,神经网络的黑箱特性很适合预21世纪以来,人口剧增,经济迅速发展,城市化进程不断加测领域的应用需要,它不需要任何经验公式,就能从已有数据快,导致了城市需水量大幅度增加。而家庭用水是城市水消耗中归纳规则,获得这些数据的内在规律,因此即使不清楚预测的重要部分,所以寻找一种合适的方法来研究家庭用水需求量问题的内部机理,只要有大量的输入、输
3、出样本,经神经网络[1]是很有价值的。长期以来,国内外关于用水量预测的传统方黑箱内部自动调整后,便可建立良好的输入、输出映射模法主要有三类,即时间序列预测法、因果关系预测法和用水量型[5]。其中,基于误差反向传播(BackPropagation)算法的多弹性系数预测法。但由于实际情况变化较大,家庭生活需水量层前馈网络(Muhiple-LayerFeedforwardNetwork),即BP网与影响它的因素之间存在着复杂的非线性关系,从而使得这三络,是人工神经网络中最为重要的网络之一,也是迄今为止,应类方法在实际问题应用中预测结果不可避免地存在着很大的用最为广泛的网络算法,实践证明这种基
4、于误差反传递算法的误差[2]。由于神经网络具有很强的建模能力(尤其在高度非线BP网络有很强的映射能力,可以解决许多实际问题[6]。性问题方面)和较好的拟合能力,与传统的预测方法相比,它的BP网络由输入层、隐含层和输出层组成,其工作过程包括预测精度较高,因此作为用水量预测的一种使用方法,显示了信息的正向传播和误差信号的反向传播。在正向传播的过程较好的优越性。中,学习样本输入向量X=[x1,x2,xn]从输入层经隐含层逐然而,在应用人工神经网络解决实际问题的过程中,选择层处理,并传向输出层,逐次算出各层节点的输出;在反向传播多少层网络、每层多少个神经元节点、选择何种传递函数、何种过程中,根据
5、输出节点的实际输出与期望输出的误差(误差大训练算法等,均无可行的理论指导,只能通过大量的实验计算于要求的精度),将误差信号沿原来的连接通道作反向传播,逐获得,这无形增加了研究工作量和编程计算工作量。目前,在次修改网络各层参数权值w和阈值b使误差减小。重复上述工程计算领域中较为流行的软件Matlab,提供了一个神经网络过程,直至网络的输出误差逐渐减小到允许的精度,或达到预工具箱(NeuralNetworkToolbox,NNToo1),为解决这个问题定的学习次数。理论上,采用对数S型/线性模式的三层网络[3]创造了便利条件。因此,本文提出了基于Matlab的神经网结构可以使误差达到任意精度。
6、图1即为一个三层BP网络结络工具箱模型来进行城市家庭用水需求量预测的方法。构示意图。1.1.2BP网络的学习算法[7]1人工神经网络原理令第i个神经元的阈值为i,它受到来自其他n个神经元1.1BP人工神经网络的作用,x1,x2,,xj,,xn,这里j=1,2,,n,之对应的连接1.1.1BP人工神经网络原理权为w1,w2,,wij,,wni,则第i个神经元的输出yi为:人工神经网络(ArtificialNeuralNetwork,简称ANN)是由nyi=f(xjwji-i)(1)j=1收稿日期:2006-11-01设网络输入层共有n个神经元,序号为h,h=1,2
7、,,n,隐作者简介:周振民(1953-),男,博士,教授,主要从事水文水资源研究。含层共有P个神经元,序号为i,i=1,2,,p,输出层有n个神46基于Matlab的人工神经网络用水量预测模型周振民刘荻庭年平均收入高,用水量多。输出层的节点数为输出向量的分量数,这里为1个,即用水需求量(每人每天消耗水量)。隐含层的节点数理论上没有明确的规定,根据Hecht-Nielsen提出[6]的2n+1法,n为输入神
