自适应变步长BP神经网络在水质评价与衡量与衡量中的应用.doc

word
word
2 / 6
word
自适应变步长BP神经网络在水质评价中的应用
关键词：水质 网络 评价 水质评价 神经网络 
摘 要：为克制传统的BP网络的不足，采用自适应变步长算法〔ABPM〕来训练前馈人工神经网络。根同。如果采用固定的步长λ,当λ较小时，在误差曲面较平坦的区域，收敛较慢；当步长λ较大时，又会在峡谷区域引起振荡。自适应变步长算法正是针对步长的缺陷提出来的。这种算法是以进化论中的进退法为理论根底的，即连续两次观测训练的误差值，如果误差下降如此增大学****率，误差的反弹在一定的X围内，如此保持步长，误差的反弹超过一定限度如此减小学****率。　　学****率的调整可用如下公式进展描述。
W(k+1)=W(k)+α(k)[1-ηD(k)+ηD(k-1)]
(3)
其中：α(k)=2λα(k-1)；λ=sign[D(k)D(k-1)]。式中：(k)为k时刻的 学****率，它是(k-1)时刻学****率的函数。η是动量因子，用来抑制振荡。　　确定好网络结构和训练算法后，就可以利用输入输山样本对网络进展训练，即按照式〔3〕对网络权值进展调整，当达到期望的输出时训练即告完成，否如此继续调整权值。2 水质评价的ABPM模型对于水质综合评价的ABPM神经网络来说，其训练样本即为水质分级标准，网络训练完成后，将网络对分级标准学****的知识和有关信息保存下来，然后输入待评价样本资料得到有关评价结论的信息，从而根据一定的规如此作出有关评价结论的判断。 输入层神经元数和输入模式向量 设有需分级评价的水质样本n个，对每个样本，本文取如下7项污染指标监测 值：溶解氧〔DO〕、五日生化需氧量〔BOD5〕、挥发酚、***化物〔-〕、***〔Hg〕、***〔As〕、六价镉〔Cr+6〕等，国家行业规X规定，根据相应于这7项污染指标下的水质标准浓度将水质划分为5个等级。　　由于取7项污染指标数，即取每一份水样有7项污染指标监测值，因而输入层神经元的节点数为7。假如某一流域需监测断面m个〔现每一断面取一份水样〕，如此网络的输 入模式向量为：
Xk=(x1,x2,…,x7),　　k=1,2,…,m
(4)
式中：m为学****样本个数。 隐层和隐层神经元数确实定 水质评价是一个非线性关系较为复杂的问题，考虑到既满足精度要求，又要尽可能减少学****费用，一个隐含层足够了。下面主要确定隐单元个数。　　采用“试错法〞
表1 网络的训练次数与隐单元数的关系   (表中INF代表无穷屡次)
隐单元数
4
6
8
10
12
15
最小
最大
最小
最大
最小
最大
最小
最大
最小
最大
最小
最大
次数
次数
次数
次数
次数
次数
次数
次数
次数
次数
次数
次数
BP网络
8700
INF
6860
INF
3600
26500
2680
21000
2200
16200
1580
8180
ABPM网络
103
INF
138
5589
93
3982
85
3120
218
2114
140
2368
word
word
3 / 6
word
　　由表1可以看出，当隐含单元数小于8时，网络易陷入局部极小，难以达