改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)在地下水質(zhì)評(píng)價(jià)中的應(yīng)用.pdf

1、人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network，簡(jiǎn)稱ANN)是一種利用計(jì)算機(jī)模擬人腦神經(jīng)組織的運(yùn)算模型。它具有很強(qiáng)的自適應(yīng)性、自組織性和容錯(cuò)性能，已被廣泛地應(yīng)用于信息處理、自動(dòng)控制和模式識(shí)別等方面。神經(jīng)網(wǎng)絡(luò)包含很多并行處理信息的單元，即神經(jīng)元。其工作原理與環(huán)境接受外界刺激的過程相似。 目前地下水質(zhì)評(píng)價(jià)的方法很多，主要有單因子法、綜合指數(shù)法、模糊數(shù)學(xué)法、灰色系統(tǒng)評(píng)價(jià)法等。盡管這些評(píng)價(jià)方法各具有一定的優(yōu)點(diǎn)，但大都需

2、要構(gòu)造隸屬函數(shù)和確定權(quán)值。而隸屬函數(shù)的設(shè)計(jì)具有一定人為性，權(quán)值的計(jì)算方法也有不盡合理的一面，因此在某些情況下會(huì)丟失較多有價(jià)值的信息。 神經(jīng)網(wǎng)絡(luò)在一定程度上可以彌補(bǔ)傳統(tǒng)評(píng)價(jià)方法需要構(gòu)建隸屬函數(shù)、無法精確描述級(jí)別區(qū)間內(nèi)的變化特征以及設(shè)計(jì)過程具有一定人為偏好的不足。 BP算法是人工神經(jīng)網(wǎng)絡(luò)方法中最重要和最流行的算法。由于BP神經(jīng)網(wǎng)絡(luò)是能夠很好的模擬非線性系統(tǒng)，具有較強(qiáng)學(xué)習(xí)能力的優(yōu)異網(wǎng)絡(luò)結(jié)構(gòu)，因此在進(jìn)行分類識(shí)別方面具有較為廣泛的

3、運(yùn)用。但是，由于BP神經(jīng)網(wǎng)絡(luò)又具有學(xué)習(xí)收斂速度緩慢、不能保證收斂到全局最小點(diǎn)、網(wǎng)絡(luò)的學(xué)習(xí)記憶具有不穩(wěn)定性、網(wǎng)絡(luò)隱含層數(shù)及隱含層單元數(shù)的選取尚無統(tǒng)一的理論指導(dǎo)等缺點(diǎn)。針對(duì)BP網(wǎng)絡(luò)中存在的上述缺點(diǎn)，科技工作者仍在進(jìn)行探索。主要的研究方向有：一是泛化能力研究，所謂泛化能力就是用較少的學(xué)習(xí)樣本對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練后，網(wǎng)絡(luò)對(duì)于大量未經(jīng)學(xué)習(xí)過的輸入模式也能正確處理；二是研究多層網(wǎng)絡(luò)的新結(jié)構(gòu)；三是對(duì)網(wǎng)絡(luò)的性能進(jìn)行優(yōu)化。所以本文試圖借助神經(jīng)網(wǎng)絡(luò)模型的優(yōu)異功能

4、，對(duì)它的缺點(diǎn)進(jìn)行改進(jìn)。 本文的主要工作有： (1)將BP神經(jīng)網(wǎng)絡(luò)模型應(yīng)用于地下水質(zhì)評(píng)價(jià)中； (2)對(duì)BP算法進(jìn)行改進(jìn)。在權(quán)值和閾值的修改中加入動(dòng)量項(xiàng)因子和自適應(yīng)因子，對(duì)激勵(lì)函數(shù)進(jìn)行修正，對(duì)隱節(jié)點(diǎn)數(shù)進(jìn)行優(yōu)化選擇。對(duì)改進(jìn)后的BP算法和標(biāo)準(zhǔn)BP算法進(jìn)行實(shí)驗(yàn)比較，得出改進(jìn)后的BP算法可以有效的加快訓(xùn)練速度，減少訓(xùn)練誤差等。 (3)為了更好地說明BP神經(jīng)網(wǎng)絡(luò)分類識(shí)別的優(yōu)良效果，本文采用單因子及模糊綜合評(píng)判法與之做了