bp神经网络在焉耆盆地农田排水量估算中的应用

《bp神经网络在焉耆盆地农田排水量估算中的应用》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、http://www.paper.edu.cn1BP神经网络在焉耆盆地农田排水量估算中的应用1,222刘延锋曹英兰靳孟贵（1.中国科学院武汉岩土力学研究所，湖北武汉，430071；2.中国地质大学环境学院，湖北武汉，430074）摘要：本文利用BP神经网络技术对焉耆盆地农田排水量进行预测。利用灰色关联度分析确定了排水量与各影响因素的关系，选取了对排水量影响最大的5个因素作为BP网络的输入，利用均匀设计方法，确定了最优的神经网络结构。估算结果表明利用BP神经网络可以准确的估算农田排水量，最大相对误差仅为-2.45％。关键词：BP神经网络，均匀设计，灰色关联度，焉耆盆地1.

2、引言焉耆盆地为南天山褶皱断块山系中一个封闭的大型山间盆地，其最低处为中国最大的内陆淡水湖——博斯腾湖。自20世纪50年代以来，随着大量的农业开垦和引水灌溉，导致地下水位不断升高，土壤盐渍化加剧，农田高矿化排水增加。大量的农业高矿化废水排入博斯腾湖，致使博斯腾湖的矿化度不断增加，其大部分区域已处于咸水湖状态。通过当地已有的水文、气象、水利监测站资料来估算农田排水量，不仅可以节省投资，还可以确定排水量与各气象、水文、水利因素之间的关系，从而提出减少农田排水量的措施。农田排水与各影响因素的作用以及各因素之间的相互影响是非线性的，因此，笔者采用神经网络技术对农田排水量进行预测。

3、[1~5]2.BP神经网络BP神经网络是一种多层前馈神经网络，它采用误差反向传播（BackPropagation）学习算法。由若干层神经元组成，它们可分为输入层、隐含层和输出层，输入信息从输入层传入，经隐含层处理后，传向输出层。若输出层的实际输出与期望输出不符，则转入反向传播，将输出误差沿原来通路返回，通过学习来修改各层神经元的权值（w），使输出误差达到预期目标。每层神经元的状态都将影响下一层的神经元状态，每个神经元状态都对应着一个激活函数（f）和阈值（b）。BP网络的基本处理单元为非线性输入—输出的关系，输入层神经元阈值为0，且f（x）=x，而隐含层的激活函数为非线性

4、的Sigmoid型（简称S型）函数，输出层可以为非线性的Sigmoid函数或线性函数。Cybenko于1988年指出，当各节点均采用S型函数时，一个隐含层就足以实现任意判决分类问题，两个隐含层则足以表示输入图形的任意输出函数。1本课题得到高等学校博士点专项科研基金（20020491011）和国家自然科学基金(40472123)资助。-1-http://www.paper.edu.cnS型激活函数为：1f(x)=（1）−x1+e线性型激活函数为：f(x)=wx+b（2）BP网络的学习算法：首先对权值和阈值进行初始化，给定输入X和期望输出Y，从输入层开始到输出层正向计算网络

5、输出y，若实际输出与期望输出之间的误差值不图1BP神经网络结构示意图满足要求时，则从输出层开始将误差值沿连Fig.1DiagramofthestructureofBPnetwork接通路反向传播，修正各层连接权值和阈值，使网络误差最小。然后不断重复，直到各个训练模式都满足时结束BP网络训练。笔者采用MATLAB软件中的神经网络工具箱提供的BP网络函数，对所建网络进行训练和仿真。BP网络中参数的设计直接影响着它的学习速度，而隐含层神经元个数未能预计，加之容易陷入局部最小值，有时未能达到理想的应用效果。隐含层神经元数目的确定通常采用试算法、经验法、逐步修改法、与输入单元数相

6、同等。对于仅有一层隐含层的神经网络，试算法比较容易获得最优的隐含层单元数，对于多隐含层的神经网络，则需要大量的试算，而且有时难以获得最优的网络结构。此处采用均匀设计方法来确定所需的多隐含层的BP网络最优结构。[6]3.均匀设计试验设计的目的是利用最少的试验数目来获得满意的参数。均匀设计是我国数学家方开泰和王元提出的一种适用于多因素多水平的实验设计方法，它是一种将试验点均匀地散布在试验范围内的科学试验方法，尤其是对那些试验范围较大，因素水平较多的复杂试验，采用均匀设计法会收到较好的效果。s均匀设计的实施常用一个均匀表Un（q）完成和相对应的使用表来完成，U表示均匀设计；n

7、表示要做n次试验；q表示每个因素有q个水平；s是表中列的数目，表示最多可安排s个因素。每个均匀设计表都附有一个使用表，说明所选试验方案的均匀度。均匀设计的步骤为：1）根据试验的目的，选择合适的因素及其水平；2）选择合适的均匀设计表及其使用表，选出列号，将因素分别安排到这些列号上，并将这些因素的水平按所在列的指示分别对号。4.实例焉耆盆地农田排水量主要受灌溉引水量、蒸发、降水、各河流来水量（开都河、黄水沟和清水河）博斯腾湖水位以及灌溉面积等因素的影响。由于系统的监测资料较少，故采用灰色关联分析来研究各因素对排水量的影响程度。利用式3计算排水