人工神经网络模型在地下水水位预测中的应用.pdf下载

weixin_39821051 2021-10-19 10:32:46

人工神经网络模型在地下水水位预测中的应用.pdf , 相关下载链接：https://download.csdn.net/download/jiebing2020/24857901?utm_source=bbsseo

...全文

13 回复打赏收藏转发到动态举报

写回复

回复

切换为时间正序

请发表友善的回复…

发表回复

人工神经网络模型在地下水水位预测中的应用.pdf

利用RBF神经网络预测地下水水位的步骤如下。（1）定义样本数据。根据如表11-1所示的数据，定义各样本的输入向量及其目标输出值。输入向量定义为5×24的矩阵，目标输出值为1×24的行向量。（2）划分训练数据与测试数据。使用第6～24号样本训练得出的模型对第1～5号样本进行检验。（3）为了充分利用训练样本，对19份训练样本进行二维插值，将样本数量增加到100份。在此用到了MATLAB的二维插值函数interp2。先将训练输入向量与对应的目标输出合并为一个6×19的矩阵，经过插值，得到一个6×100的矩阵

神经网络是可以用来预测时间序列。例如神经网络人口预测。已知1990至2009年的某地区人口数[112830424456496050635674766592105124117132128]。预测2010-2016年的某地区人口数。具体实施过程：%已知数据t=1990:2009;x=[112830424456496050635674766592105124117132128];%自回归阶数lag=3;%预测步数为fnfn=length(t);%输出数据[f_out,iinput]=BP(x,lag,fn); %

人工神经网络,是一种旨在模仿人脑结构及其功能的信息处理系统,就是使用人工神经网络方法实现模式识别.可处理一些环境信息十分复杂,背景知识不清楚,推理规则不明确的问题,神经网络方法允许样品有较大的缺损和畸变.神经网络的类型很多,建立神经网络模型时,根据研究对象的特点,可以考虑不同的神经网络模型. 前馈型BP网络,即误差逆传播神经网络是最常用,最流行的神经网络.BP网络的输入和输出关系可以看成是一种映射关系,即每一组输入对应一组输出.BP算法是最著名的多层前向网络训练算法,尽管存在收敛速度慢,局部极值等缺点,但可

。人工神经网络是近几年来发展起来的新兴学科，它是一种大规模并行分布处理的非线性系统，适用解决难以用数学模型描述的系统，逼近任何非线性的特性，具有很强的自适应、自学习、联想记忆、高度容错和并行处理能力，使得神经网络理论的应用已经渗透到了各个领域。近年来，人工神经网络在水质分析和评价中的应用越来越广泛，并取得良好效果。在这些应用中，纵观应用于模式识别的神经网络，BP网络是最有效、最活跃的方法之一。BP网络是多层前向网络的权值学习采用误差逆传播学习的一种算法（ErrorBackPropagation，简称BP）。

下载资源悬赏专区

12,447

社区成员

11,909,292

社区内容

发帖

与我相关

我的任务

其他技术论坛（原bbs）

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章