基于l—m算法的氨氮浓度预测模型研究new

《基于l—m算法的氨氮浓度预测模型研究new》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、江西化工2009年第3期基于L—M算法的氨氮浓度预测模型研究钟志云(江西省永丰县环境监测站)摘要：为克服传统BP网络的不足，采用阻尼最小乘法训练人工神经网络，并利用灰色关联分析方法确定输入层因子，建立了一个适合赣江南昌段水源地氨氮水质浓度的预测模型，利用该模型对赣江南昌段水源地水质进行预测，预测结果表明，该方法预测精度较高，收敛速度较快，为水质预测提供了一种新方法。关键词：BP人工神经网络水质预测模型1引言反复迭代，当误差值小于允许值时，网络的学习过程结随着计算机技术、数学分析方法、河流水环境内部束。其基本思想就是：先构造一个类似于感知的非线作用机理研究的不断深

2、入，水质预测模型从传统的s—性系统，并让这个非线性系统的决策能力与最小均方P氧平衡模型，发展到QUAL—II模型，8O年代以后开的客观误差函数和梯度下降联系起来。这是一个很有始了形态模型的探索研究。目前，我国水质预测模型效的学习算法，许多问题可以由它解决，用这种算法建主要有灰色理论模型、模糊理论模型、时间序列立专家系统，不需要人去组织大量的产生式规则，机器法]、回归模型和水质模拟预测等。时间序列法、回可以根据例子自组织，自学习，可以解决符号逻辑方法归模型和水质模拟预测通常需要首先确定环境的反应所遇到的最大困难的一部分。机理，然后用已有的数据资料对模型或模型参数进

3、行BP算法因其简单、易行、计算量小、并行性强等优确定；但由于河流环境系统本身的复杂性，要完全识别点，目前是神经网络训练采用最多的也是最为成熟的这类系统，认识其反应机理是很困难的，往往会出现因算法之一。但由于BP算法采用非线性规划中的最速模型的假设与实际不符或因函数关系式拟合忽略次要下降方法，按误差函数的负梯度方向修改权值，因而通项而导致模型精度不高等问题。灰色理论模型和模糊常存在如下问题：a．学习效率低、收敛速度慢；b．从数理论模型近3O年来有了长足的发展，然而，这两大方学角度看，BP算法是以梯度下降法为基础的非线性优法仍然存在一些缺陷，如都需要设计若干不同的效

4、用化方法，易陷入局部极小，有可能得不到全局极小值；函数(灰色系统的白化函数、模糊理论模型的隶属函c．数值稳定性差，参数难以调整，不便应用；d．网络的数)等，这些效用函数的给定往往因人而异，造成预报泛化及适应能力较差。模式难以通用，而且增加了应用的困难和人为臆断因由于BP算法存在以上缺陷，本文决定采用Leven-素对结论的影响。人工神经网络技术是近几来迅速发berg．一Marquardt算法对网络进行训练(简称L—M展起来的一门新兴学科，是人脑的一种物理抽象、简化法)，L—M算法又称阻尼最小乘法-l。。。在非线性问题与模拟，是一种大规模并行分布处理的非线性系统，可

5、的迭代求解过程中高斯牛顿迭代具有二阶的收敛速以处理那些难以用数学模型描述的系统，可以逼近任度，但迭代过程中的Hessian矩阵有可能变成奇异阵，何非线性的特性，具有很强的自适应、自学习、联想记出现迭代无法进行的局面，因而稳定性较差。L—M算忆、高度容错和并行处理能力，并在各个学科得到了广法则是在高斯牛顿法和最速下降法之间进行平滑调泛的应用。本文根据赣江南昌段生米监测断面的监和，在远离最小值时逐渐切换到高斯牛顿法。其权值测数据，采用人工神经网络方法建立了适合赣江南昌修正公式为：段水源地氨氮浓度的预测模型。wii(t+1)=W“(t)一(JJ+)。Je(1)2BP算

6、法原理及其改进算法式中W。；(t+1)—第t+1次迭代时的网络权值；BP(BackPropagation)前馈型神经网络-9是训练wi；(t)～第t次迭代时的网络权值；多层网络的常用算法，它分为正向和反向训练两个阶J一误差对权值微分的Jacobian矩阵；段，输入信息经输入层和隐层的神经元逐层处理，正向一个大于零的标量，能够自适应调整，当传播到输出层输出结果。如果输出层的输出值与样本很大时，上式就接近于最速下降法，当很小时，上式就的期望值有误差，则该误差沿原来的连接通路返回，并变为高斯牛顿法；修改各层神经元的权及阀值，使得误差值变小。经过e一误差；2009年9月

7、基于L—M算法的氨氮浓度预测模型研究45I一单位矩阵。=÷^∑roi()(4)3基于改进的BP人工神经网络的氨氮浓度预测模型=l的建立式中X。一参照数列；3．1初始权值的选取xi一比较数列；权重初始值的选取，对网络训练学习是否达到局ro；(k)一关联系数；部最小，是否能够收敛以及训练时间的长短有很大的一灰色关联度；关系，如果在一开始附给所有的权相同的权值，在训练∈一分辨系数，取为0．546。误差稳定时，这个网络可能未必能够学会这组训练的r0反映比较数列x与参照数据)(0的相关程度，此样本，而如果最终的解要求形成不等的权，那么这个网值越大，表示两者的关系越密切，比

8、较数列对参照数列络将彻底