神经网络论文人工神经网络论文

神经网络论文人工神经网络论文

ID:22780930

大小:60.50 KB

页数:5页

时间:2018-10-31

神经网络论文人工神经网络论文_第1页
神经网络论文人工神经网络论文_第2页
神经网络论文人工神经网络论文_第3页
神经网络论文人工神经网络论文_第4页
神经网络论文人工神经网络论文_第5页
资源描述:

《神经网络论文人工神经网络论文》由会员上传分享,免费在线阅读,更多相关内容在应用文档-天天文库

1、神经网络论文人工神经网络论文基于神经网络土壤水分预测研究【摘要】土壤水分预测是天气预报的一个重要指标,是径流预报、农田灌溉和排水等问题的重要参考因素,一直以来都是广大气象学者研究的重点。本文利用人工神经网络的方法建立土壤水分预测模型,对田间土壤水分进行预测研究。预测结果表明:应用人工神经网络建立的土壤水分预测数学模型适用于土壤水分预测,能够比较准确的对田间土壤水分值进行预测,具有较好的预测精度。  【关键词】土壤水分;BP神经网络;预测  ResearchofSoilmoisturecontentForecastBasedonNeuralNetwork  

2、【Abstract】Soilmoisturepredictionisanimportantindicatorofweatherisforecastrunoff,irrigationanddrainageandotherissuesimportantreferencefactor,hasbeenthefocusofthestudythemajorityofmeteorologists.Inthispaper,artificialneuralnetworkmethodandasoilmoisturepredictionmodeltopredictsoilmoi

3、stureinfieldstudies.Predictionresultsshowthat:Artificialneuralnetworkpredictionmodelofsoilwaterforsoilmoistureforecasttomoreaccuratepredictionoffieldsoilwaterscore,andhasgoodpredictionaccuracy.  【Keywords】Soilinthefield;BPneuralnetwork;Forecast  0.引言  随着极端气候变化出现次数的日益频繁,天气预报变得异常复杂,

4、尤其是土壤水分的预测越来越显得复杂和难以确定。常用的土壤水分预测模型很多[1],但是这些模型在实际应用中受制的因素很多,不能很好的满足气象预报工作。因此,建立一种参数便于获得、形式相对简单、且理论基础坚实,并且能够满足实际需要的土壤水分预测模型具有重要的理论意义和实用价值。人工神经网络因其固有的学习能力和适应能力,使神经网络在预测和预报、图像处理、模式识别、自动控制、组合优化问题、智能决策、经济和医疗等领域都有及其广泛的应用,解决了许多传统的数学方法难以解决的问题,在现实应用中发挥了及其重要的作用。近年来,神经网络开始在气象预测中得以应用,并取得一定的成果

5、[2-6],本文以人工神经网络基本理论为基础,利用神经网络的智能算法构建BP神经网络,对土壤水分预测进行研究,建立土壤水分预测模型。  1.BP神经网络的基本原理  BP网络模型处理信息的基本原理是:输入信号Xi通过中间节点(隐层点)作用于输出节点,经过非线形变换,产生输出信号Yk,网络训练的每个样本包括输入向量X和期望输出量t,网络输出值Y与期望输出值t之间的偏差,通过调整输入节点与隐层节点的联接强度取值ωij和隐层节点与输出节点之间的联接强度υjt以及阈值,使误差沿梯度方向下降,经过反复学习训练,确定与最小误差相对应的网络参数(权值和阈值),训练即告停

6、止。此时经过训练的神经网络即能对类似样本的输入信息,自行处理输出误差最小的经过非线形转换的信息。由于三层BP神经网络可以满足大多数建模要求,所以在此以三层神经网络介绍其模型的实现。  2.基于BP算法模型实现过程  2.1对数据进行归一化处理。  2.2初始化网络,再按照下列公式计算[8-9]:  式中:I,O分别为隐含层的输入值及输出值;S为输出层的输入值;y为网络输出结果;t为训练集中目标值的实测值;p,q分别为输入层及隐含层节点数;n为样本数量;w1,w2分别为隐含层与输入层以及输出层与隐含层神经元的连接权;b1,b2分别为隐含层和输出层神经元的阈值

7、;E为误差平方和;f1,f2分别为隐层及输出层传递函数。  3.BP神经网络预测模型设计实现  由BP神经网络算法原理可知,BP神经网络:首先,根据提供的样本资料,通过调整各层之间的权值,使之达到预定的拟合精度要求;其次,通过输入层的输入,依据学习训练阶段得到的权值,给出的输出量即为预报值。其设计具体步骤有。  3.1输入因子选取  选取地表下10cm、20cm、30cm、40cm和50cm五个层面的土壤水分值和对土壤水分变化影响显著的气温、空气湿度和降雨量作为输入因子,共8个变量作为网络预测模型的输入因子。  3.2输出因子选取  由于农田的耕作层通常为

8、地表下20-50cm,所以选取30cm这一中间层的土壤水分为输出因

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。