基于遺傳算法的改進(jìn)bp神經(jīng)網(wǎng)絡(luò)模型在水質(zhì)評價(jià)中的應(yīng)用

《基于遺傳算法的改進(jìn)bp神經(jīng)網(wǎng)絡(luò)模型在水質(zhì)評價(jià)中的應(yīng)用》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、‘才聲袖種奮年第卷第期咫力厲助刀八刃即基于遺傳算法的改進(jìn)即神經(jīng)網(wǎng)絡(luò)模型在水質(zhì)評價(jià)中的應(yīng)用卜梁珊珊河海大學(xué)水文水資源學(xué)院,南京環(huán),,,上殷健上海市水文總站海,,引入人日、摘要為了確定水體類別工神經(jīng)網(wǎng)絡(luò)理論并通過建立神經(jīng)網(wǎng)絡(luò)模型對水體的質(zhì)量利用價(jià)值和處理要求進(jìn)行評價(jià)。針對即網(wǎng)絡(luò)應(yīng)用中存在的問題,建立了基于遺傳算法的改進(jìn)即神經(jīng)網(wǎng)絡(luò)模型,并闡述了訓(xùn)練樣本產(chǎn)生、數(shù)據(jù)歸一化、構(gòu)建網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)、初始權(quán)重及閥值確定等應(yīng)用過程。通過實(shí)例分析表明,該模型應(yīng)用于水質(zhì)評價(jià)具有客觀性和實(shí)用性。關(guān)鍵詞水質(zhì)評價(jià)即網(wǎng)絡(luò)遺傳算法,一,,

2、·,,,,,,·,、動(dòng)態(tài)系統(tǒng)問題利用神經(jīng)網(wǎng)絡(luò)可以作出客觀正確的引言判斷。,水質(zhì)評價(jià)是指按照評價(jià)目標(biāo)選擇相應(yīng)的水質(zhì)參數(shù)、水質(zhì)標(biāo)準(zhǔn)和評價(jià)方法,對水體的質(zhì)量、利用價(jià)值和神經(jīng)網(wǎng)絡(luò)模型。,、處理要求作出評定水質(zhì)評價(jià)以定量特征直觀的表示網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)如圖其由輸人層隱層和,,。了水環(huán)境質(zhì)量的總體狀況是合理開發(fā)利用和保護(hù)水輸出層組成其中隱層可為層或多層網(wǎng)絡(luò)的學(xué)。,。資源的一項(xiàng)基本工作近幾十年來水質(zhì)評價(jià)方法從硬習(xí)過程由正向傳播和反向傳播部分組成當(dāng)正向傳性分級劃分的單因子評價(jià)法、綜合指數(shù)評價(jià)法發(fā)展到播時(shí),輸人信息從輸人層經(jīng)

3、隱層處理后傳向輸出層,每以不確定概念為基礎(chǔ)的灰色評價(jià)法、模糊評價(jià)法,在評層神經(jīng)元的狀態(tài)只影響下層的神經(jīng)元狀態(tài)。如果價(jià)原理的科學(xué)性和實(shí)際評價(jià)結(jié)論的合理性等方面都有在輸出層得不到希望的輸出,則轉(zhuǎn)人反向傳播,將誤差。。,了很大的提高然而目前的評價(jià)方法都需要設(shè)計(jì)相應(yīng)信號沿著原神經(jīng)元連接通路返回返回過程中逐一修。,的效用函數(shù)以及人為地給定各評價(jià)指標(biāo)的權(quán)重或權(quán)函改各層神經(jīng)元連接權(quán)值這種過程不斷迭代最后使得,,。數(shù)這些效用函數(shù)和指標(biāo)權(quán)重的給定往往因人而異使信號誤差達(dá)到允許范圍。得評價(jià)模式難以通用神經(jīng)網(wǎng)絡(luò)模型通過對簡單

4、的非網(wǎng)絡(luò)算法步驟,,線性作用函數(shù)的復(fù)合進(jìn)行映射可以表達(dá)復(fù)雜的現(xiàn)象第一作者梁姍珊,女,年出生,年畢業(yè)于河海大水質(zhì)評價(jià)作為大量存在非線性、非平穩(wěn)、多因素的復(fù)雜學(xué)水文水資源學(xué)院,在讀碩士研究生。一一日刀,’基于遺傳算法的改進(jìn)神經(jīng)網(wǎng)絡(luò)模型在水質(zhì)評價(jià)中的應(yīng)用梁珊珊助·,,。輸,,一,,,,,,,入層輸出層韶《【卜釁〕全習(xí)踐修正權(quán)重和誤差閥值。權(quán)重,‘‘·,‘。,,‘,,嘰嘰弓嗯,一,一嘰呱」閥值占紛占紛。占紛占紛一占紛一,,。重復(fù)步驟一直至計(jì)算輸出層均方誤差圖日網(wǎng)絡(luò)模型結(jié)構(gòu)‘。、,一,,《。至全定義共尸個(gè)訓(xùn)練樣本

5、二模式下第樣本在層上第神經(jīng)元的輸,,一,刁若重復(fù)步驟直,。入至或訓(xùn)練結(jié)束敷模式下第樣本在層上第神經(jīng)元的實(shí)際輸出遺傳算法玖,模式下第樣本在輸人層第神經(jīng)元的遺傳算法是模擬生物界的遺傳和進(jìn)化過程而建立輸入起來的種搜索算法,體現(xiàn)著“生存競爭、優(yōu)勝劣汰、適兀,模式下第樣本在輸出層第神經(jīng)元的者生存”的競爭機(jī)制。遺傳算法是從代表問題可能潛在期望輸出解集的個(gè)種群開始,按照適者生存和優(yōu)勝劣汰的原,嘰,模式下第樣本在層上第神經(jīng)元輸理在每代中根據(jù)問題域中個(gè)體的適應(yīng)度大小挑選出至卜層上第神經(jīng)元的權(quán)重個(gè)體,并借助于自然遺傳學(xué)的遺

6、傳因子進(jìn)行組合、交叉占敷模式下第樣本在層上第神經(jīng)元的和變異,產(chǎn)生出代表新的解集的種群。逐代進(jìn)化以得到誤差閥值問題近似最優(yōu)解。理模式下第樣本在層上第神經(jīng)元接遺傳算法運(yùn)算步驟。。一層上信息輸人總和受優(yōu)化變量編碼·,,,,,,‘,,‘叮卜、叫、卜釁,了之定義函數(shù)優(yōu)化問題優(yōu)化變簇氣,‘。“轉(zhuǎn)換函數(shù)·‘,·一‘”‘,,嘆、嘴晚司量數(shù)尸,,,,,,,二,,,,,,二???構(gòu)建問題解的編碼形式【只,將,,,,,,,,,,。,??優(yōu)化變量的取值范圍歸一化至【區(qū)間內(nèi),,置各權(quán)重和誤差閥值的初始值嘰硯,,一,。為【上小的隨

7、機(jī)數(shù),,?,,,?,尸刀,,占,。選擇學(xué)習(xí)率動(dòng)量因子精度最大訓(xùn)父代群體初始化練次數(shù)。父代群體規(guī)模,,。,,,迭代開始生成組每組尸個(gè)區(qū)間上均勻隨機(jī)數(shù)計(jì)算網(wǎng)絡(luò)隱層單元和輸出層單元的實(shí)際輸,力,,?,,二,,?,尸作為初始種群父代出個(gè)體值,力代人歸一化公式得到優(yōu)化變量值,’,,‘,、【、,盛丫,甘勺、,一勺、,再代人函數(shù)優(yōu)化問題得到目標(biāo)函數(shù)值。計(jì)算訓(xùn)練誤差,?,。輸出層父代群體適應(yīng)度評價(jià)。占沂哪一〔一。鈴,姍個(gè)體對應(yīng)的適應(yīng)度函數(shù)值越大則個(gè)體的適應(yīng)能隱含。層力越強(qiáng)第個(gè)個(gè)體的適應(yīng)度函數(shù)一一‘才油袖科帶年第卷第期刁

8、了瞥力厲’月刃勿及,’,【』。變異父代變異產(chǎn)生個(gè)第子代群體·。,·,,,“父代群體選擇操作產(chǎn)生第子代群體,“,“,““,,“,,。確定選擇率尸個(gè)體適應(yīng)度函數(shù)值由大到小排夕,,一,,列,確定個(gè)體的適。應(yīng)序號計(jì)算個(gè)體的選擇概率未參與變異操作的第子代群體直接進(jìn)人第子,。尸累計(jì)概率尸代群體·,·、’。尸一一尸一尸產(chǎn)生新父代群體將由選擇、交叉和變異操作獲得的個(gè)子代個(gè)體尸工那按其適,應(yīng)度函數(shù)值從大到小排序取適應(yīng)度函數(shù)值最,,。,一。生成個(gè)【區(qū)間上均勻隨