BP神经网络模型预测未来

BP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：1Xijjk1Y2X1YnX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(,)XY确定网络输入层节点数,n隐含层节点数l、输出层节点数m、初始化输入层、隐含层和输出层神经元之间的连接权值,,ijjk初始化隐含层阈值a，给定输出层阈值b，给定学习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：1Xijjk1Y2X1YnX输入层隐含层输出层BP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t年第i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1tt，回到Step2，直到10t。2.建模步骤：Step1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数输出激发函数学习方法精度10—15—1sigmoid函数sigmoid函数梯度下降法0.001图6：网络拓朴结构图Step2网络训练1、样本数据预处理……输入层隐含层输出层2、利用处理后的数据对网格进行训练。Step3进行预测利用Levenberg_Marquardt的BP算法训练函数，预测的算法流程如下：Step1：对初始数据进行标准化。Step2：利用原始数据对网络进行训练。Step3：对未来第t年第i类污染程度的河流长度比例进行预测。Step4：利用第t年预测得到的数据作为样本再对网络进行训练。Step5：然后令t=t+1，回到Step2，直到t=10。BP神经网络的特点有：(1)良好的逼近能力(2)误差可以控制1Xijjk1Y2X1YnX输入层隐含层输出层