城市化建设和采矿对土壤侵蚀及环境的影响3行政论文范文大全.doc

,初始权值对于学****能否收敛的关系很大,一个重要的要求是希望初始权在输入时使每个神经元的状态值接近于零,这样可保证一开始时不落到那些平坦区上。权一般取比较小的随机值,使神经元一开始就在转换函数变化最大的地方进行迭代。对于输入样本同样希望能够进行归一,使那些比较大的输入仍落在神经元转换函数梯度最大的那些地方。,系统误差的训练将随着迭代次数增加而减少,最终收敛到一组稳定的权。进一步的学****权值将仅仅出现一个极小的波动,这正是试验者所希望的。问题的关键在于如何选择一个合适的训练组,为考虑问题方便,先假设网络其它参数保持不变。训练组的选择包括对训练组的规模、训练组内模式的分布状况等几方面的确定。训练组的规模就是模式组中选取的模式总数及代表各类模式的数量。模式组不易选取太大,否则会使网络单纯记忆输入系列,从而失去宝贵的事件。各类模式的多少和它们的分布情况对训练结果都有比较大的影响,既然网络是仿真人脑的,就具有了人脑思维的一般规律,一类从来没有见过的事件,网络是无法识别的,这就要求训练组中尽量包括有代表各类特征的模式,不能没有其中的任何一种。解决问题的最好办法是从训练组中去掉一些事例作为检验组,网络在减少后的训练组上训练,在保留的例子上测试。应当避免过多的训练,因为这会降低网络的泛化能力,所以训练网络的过程应在有限的阶段进行,然后在检验组上测试结果。继续训练和检验的循环,以达到最佳的训练水平,停止的标识是结果总在检验组上而不是在训练组上。这个过程应在不同的训练组和检验组构成上反复进行。在上述过程中,可以看到随着时间的增加,效果有所提高,可达到顶端水平,当达到顶端时网络开始过度训练,测试效果有所下降,在这个最优过程中会出现几个自由度,包括学****率、动态参数、隐单元数、层数和训练模式组的构成。方法的实质是通过对有限的训练组中特殊模式进行学****来掌握普遍规律,以达到认识大自然无限多的模式,这些模式应具有比较典型的能说明事件共性的特征。另外在训练过程中特别要考虑降雨→产流→产沙的时间滞后影响。:降雨、地形、土壤性质、植被因素和土地利用方式五大类,其中降雨是产流产沙的动力因素。根据问题的性质可定网络的输入层单元数为36个;根据要求网络的输出层单元数为2;隐层单元数根据经验公式知其下界为7,通过学****训练取隐层单元数为9;网络的层数为三层即可1989年roberthecht-nielson证明了对于任何在闭区间内的一个连续函数都可以用具有一个隐层的bp网络来逼近,因而一个三层的bp网络可以完成任意的n维到m维的映射。。网络稳定后为3692结构。原始数据不能直接用来训练网络,需要进行数据转换。网络的输入项要求在-1到+1之间,根据数据本身的规律进行优化,这样有利于网络的运行。,其过程较长,需经过多次反复的训练。学****速率的最优值出现时不一定对应最优的动量常数,但两者又有着天然的联系。一开始让网络按已确定的较优隐单元上训练模式,当结果有了明显变化时,反过来再对隐单元数作修改,这样有利于节约寻找时间,且能得到较为满意的结果。实验结果表明,较优的网络参数为:学****速率β=;动量因子α=;误差终止值e=。,土地利用类型是变量。通过对该流域60年代、70年代、80年代和90年代(1990~1997年)每年的土地利用变化分析以及实地调研,确定土地利用分类,作为产流产沙预报的基本数据。表2表明了60年代、70年代、80年代和1990~1997年四个阶段土地利用变化的情况。表2应用神经网络模型计算流域不同时期土地利用变化的产流产沙量therunoffrateandsedimentyieldoflandusewithannmodelfordifferentperiod类别60年代70年代80年代1990~19971998~2010面积(km2)(kg/亩)(m3/)(t/)(km2)(kg/亩)(m3/)