基于遗传算法的改进bp神经网络模型在水质评价中的应用

基于遗传算法的改进bp神经网络模型在水质评价中的应用

ID:15798939

大小:382.75 KB

页数:5页

时间:2018-08-05

基于遗传算法的改进bp神经网络模型在水质评价中的应用_第1页
基于遗传算法的改进bp神经网络模型在水质评价中的应用_第2页
基于遗传算法的改进bp神经网络模型在水质评价中的应用_第3页
基于遗传算法的改进bp神经网络模型在水质评价中的应用_第4页
基于遗传算法的改进bp神经网络模型在水质评价中的应用_第5页
资源描述:

《基于遗传算法的改进bp神经网络模型在水质评价中的应用》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、‘才声袖种奋年第卷第期咫力厉助刀八刃即基于遗传算法的改进即神经网络模型在水质评价中的应用卜梁珊珊河海大学水文水资源学院,南京环,,,上殷健上海市水文总站海,,引入人日、摘要为了确定水体类别工神经网络理论并通过建立神经网络模型对水体的质量利用价值和处理要求进行评价。针对即网络应用中存在的问题,建立了基于遗传算法的改进即神经网络模型,并阐述了训练样本产生、数据归一化、构建网络拓扑结构、初始权重及阀值确定等应用过程。通过实例分析表明,该模型应用于水质评价具有客观性和实用性。关键词水质评价即网络遗传算法,一,,

2、·,,,,,,·,、动态系统问题利用神经网络可以作出客观正确的引言判断。,水质评价是指按照评价目标选择相应的水质参数、水质标准和评价方法,对水体的质量、利用价值和神经网络模型。,、处理要求作出评定水质评价以定量特征直观的表示网络的拓扑结构如图其由输人层隐层和,,。了水环境质量的总体状况是合理开发利用和保护水输出层组成其中隐层可为层或多层网络的学。,。资源的一项基本工作近几十年来水质评价方法从硬习过程由正向传播和反向传播部分组成当正向传性分级划分的单因子评价法、综合指数评价法发展到播时,输人信息从输人层经

3、隐层处理后传向输出层,每以不确定概念为基础的灰色评价法、模糊评价法,在评层神经元的状态只影响下层的神经元状态。如果价原理的科学性和实际评价结论的合理性等方面都有在输出层得不到希望的输出,则转人反向传播,将误差。。,了很大的提高然而目前的评价方法都需要设计相应信号沿着原神经元连接通路返回返回过程中逐一修。,的效用函数以及人为地给定各评价指标的权重或权函改各层神经元连接权值这种过程不断迭代最后使得,,。数这些效用函数和指标权重的给定往往因人而异使信号误差达到允许范围。得评价模式难以通用神经网络模型通过对简单

4、的非网络算法步骤,,线性作用函数的复合进行映射可以表达复杂的现象第一作者梁姗珊,女,年出生,年毕业于河海大水质评价作为大量存在非线性、非平稳、多因素的复杂学水文水资源学院,在读硕士研究生。一一日刀,’基于遗传算法的改进神经网络模型在水质评价中的应用梁珊珊助·,,。输,,一,,,,,,,入层输出层韶《【卜衅〕全习践修正权重和误差阀值。权重,‘‘·,‘。,,‘,,叽叽弓嗯,一,一叽呱」阀值占纷占纷。占纷占纷一占纷一,,。重复步骤一直至计算输出层均方误差图日网络模型结构‘。、,一,,《。至全定义共尸个训练样本

5、二模式下第样本在层上第神经元的输,,一,刁若重复步骤直,。入至或训练结束敷模式下第样本在层上第神经元的实际输出遗传算法玖,模式下第样本在输人层第神经元的遗传算法是模拟生物界的遗传和进化过程而建立输入起来的种搜索算法,体现着“生存竞争、优胜劣汰、适兀,模式下第样本在输出层第神经元的者生存”的竞争机制。遗传算法是从代表问题可能潜在期望输出解集的个种群开始,按照适者生存和优胜劣汰的原,叽,模式下第样本在层上第神经元输理在每代中根据问题域中个体的适应度大小挑选出至卜层上第神经元的权重个体,并借助于自然遗传学的遗

6、传因子进行组合、交叉占敷模式下第样本在层上第神经元的和变异,产生出代表新的解集的种群。逐代进化以得到误差阀值问题近似最优解。理模式下第样本在层上第神经元接遗传算法运算步骤。。一层上信息输人总和受优化变量编码·,,,,,,‘,,‘叮卜、叫、卜衅,了之定义函数优化问题优化变簇气,‘。“转换函数·‘,·一‘”‘,,叹、嘴晚司量数尸,,,,,,,二,,,,,,二⋯⋯⋯构建问题解的编码形式【只,将,,,,,,,,,,。,⋯⋯优化变量的取值范围归一化至【区间内,,置各权重和误差阀值的初始值叽砚,,一,。为【上小的随

7、机数,,⋯,,,⋯,尸刀,,占,。选择学习率动量因子精度最大训父代群体初始化练次数。父代群体规模,,。,,,迭代开始生成组每组尸个区间上均匀随机数计算网络隐层单元和输出层单元的实际输,力,,⋯,,二,,⋯,尸作为初始种群父代出个体值,力代人归一化公式得到优化变量值,’,,‘,、【、,盛丫,甘勺、,一勺、,再代人函数优化问题得到目标函数值。计算训练误差,⋯,。输出层父代群体适应度评价。占沂哪一〔一。铃,姗个体对应的适应度函数值越大则个体的适应能隐含。层力越强第个个体的适应度函数一一‘才油袖科带年第卷第期刁

8、了瞥力厉’月刃勿及,’,【』。变异父代变异产生个第子代群体·。,·,,,“父代群体选择操作产生第子代群体,“,“,““,,“,,。确定选择率尸个体适应度函数值由大到小排夕,,一,,列,确定个体的适。应序号计算个体的选择概率未参与变异操作的第子代群体直接进人第子,。尸累计概率尸代群体·,·、’。尸一一尸一尸产生新父代群体将由选择、交叉和变异操作获得的个子代个体尸工那按其适,应度函数值从大到小排序取适应度函数值最,,。,一。生成个【区间上均匀随

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。