文档介绍：神经网络模型预测未来
BP神经网络算法概述:
简介与原理
BP神经网络是一种多层前馈神经网络,该网络的主要特点是:信号前向传递,误差反向传播。在前向传递中,输入信号从输入层经隐含层逐层处理,直至输出层,每一层的神经元状态只影响下一层神经元状态。如果输出层得不到期望输出,则转入反向传播,根据预测误差调整网络权值和阈值,从而使BP神经网络预测输出不断逼近期望输出。
BP神经网络的拓扑结构如下图所示:
输入层隐含层输出层
BP神经网络结构图
图中是BP神经网络的输入值, 是BP神经网络的预测值,
为BP神经网络权值。
BP神经网络预测前首先要训练网络,通过训练使网络具有联想记忆和预测能力。BP神经网络的训练过程包括一下几个步骤。
步骤一:网络初始化。根据系统输入输出序列确定网络输入层节点数隐含层节点数、输出层节点数、初始化输入层、隐含层和输出层神经元之间的连接权值初始化隐含层阈值,给定输出层阈值,给定学****速率和神经元激励函数。
步骤二:隐含层输出计算。根据输入向量,输入层和隐含层间连接权值,以及隐含层阈值,计算隐含层输出。
步骤三:输出层输出计算。根据隐含层输出,连接权值和阈值,计算BP神经网络预测输出。
步骤四:误差计算根据网络输出和预期输出,计算网络预测误差。
步骤五:权值更新。根据网络预测更新网络连接权值
步骤六:阈值更新。根据网络预测误差更新网络节点阈值。
步骤七:判断算法迭代是否结束,若没有结束,返回步骤二。
下面是基本BP算法的流程图。
BP神经网络的拓扑结构如下图所示:
输入层隐含层输出层
神经网络预测的算法流程如下:
步骤一:对初始数据进行标准化。
步骤二:利用原始数据对网络进行训练。
步骤三:对未来第年第类污染程度的河流长度比例进行预测。
步骤四:利用第年预测得到的数据作为样本再对网络进行训练。
步骤五:然后令,回到Step2,直到。
:
Step 1 建立如下网络拓扑结构
表3 网络结构
网络基本结构
输入激发函