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：

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(,)

X Y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,,

ωω初始化隐含层阈值a，给

ij jk

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：

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1

t t

t=。

=+，回到Step2，直到10

2.建模步骤：

Step 1 建立如下网络拓扑结构

表3 网络结构