亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于BP神經(jīng)網(wǎng)絡算法的河湖生態(tài)健康評價研究

        2020-07-03 07:55:08張?zhí)扃?/span>
        江蘇水利 2020年6期
        關鍵詞:河湖神經(jīng)網(wǎng)絡誤差

        張?zhí)扃?/p>

        (江蘇省泰州引江河管理處, 江蘇 泰州 225300)

        1 概 述

        近年來,隨著經(jīng)濟發(fā)展帶來河、湖等水環(huán)境污染、水資源短缺問題。健康的河湖生態(tài)環(huán)境對促進當?shù)厣鷳B(tài)平衡、生物多樣性等發(fā)揮著至關重要的作用。因此,建立一套既符合理論,又滿足實際需求的河湖生態(tài)健康評價方法迫在眉睫。

        針對河湖生態(tài)健康評價方法,眾多專家和學者展開大量而深入的研究。崔東文等[1]通過篩選河流生態(tài)健康評價指標,利用隨機森林算法建立河湖生態(tài)評價模型。王桂林等[2]利用權重系數(shù)法對相同準則層下的不同指標層系數(shù)賦予不同權重數(shù)值,通過求和方式計算判定河流的生態(tài)健康程度。張智偉[3]通過考慮河流的自然和社會共計38個量化屬性,構建目標層、準則層等5層體系,以此來量化河流的健康程度。段長桂等[4]通過克服投影尋蹤模型求解方法的缺點,借助于猴群算法對河流健康進行評價。上述針對河湖生態(tài)健康評價方法存在對指標賦權人為主觀性大、建模復雜困難、精度低等不足之處。

        考慮上述應用背景的特殊性,基于BP(back propagation)神經(jīng)網(wǎng)絡算法的河湖生態(tài)健康評價方法被提出。本文通過構建BP神經(jīng)網(wǎng)絡架構,選取合適的輸入層、隱藏層以及輸出層節(jié)點個數(shù),學習歸納輸入層到輸出層的映射關系,從而可以有效對河湖的生態(tài)健康狀況進行評價。

        2 BP神經(jīng)網(wǎng)絡算法簡介及訓練步驟

        2.1 BP神經(jīng)網(wǎng)絡算法簡介

        BP神經(jīng)網(wǎng)絡屬于人工智能算法,由于其不涉及狀態(tài)變量的建模問題,主要利用數(shù)據(jù)驅動的思想同時借助于大量的訓練數(shù)據(jù)來實現(xiàn)對權重和閾值的尋優(yōu)操作。BP神經(jīng)網(wǎng)絡的計算主要包括前向和反向傳播。BP神經(jīng)網(wǎng)絡架構如圖1所示,其主要包括輸入層,隱含層和輸出層。

        圖1 BP神經(jīng)網(wǎng)絡架構

        2.2 BP神經(jīng)網(wǎng)絡訓練步驟

        BP神經(jīng)網(wǎng)絡的訓練步驟如下所示,主要涉及到BP神經(jīng)網(wǎng)絡模型的初始化操作,模型的構建以及權重更新等。

        對河湖健康評價模型中的權重進行隨機初始化,利用反正切函數(shù)歸一化:

        (1)

        將BP神經(jīng)網(wǎng)絡的狀態(tài)參量進行整合,并且作為輸入層的輸入向量,輸入層節(jié)點的個數(shù)主要取決于河湖健康評價系統(tǒng)中不相關評價指標的個數(shù):

        X=(x1,x2,...,xi,...,xn)T

        (2)

        計算河湖健康評價系統(tǒng)中單個隱含節(jié)點的輸出。根據(jù)向量X、權值wij和閾值a,求隱含層輸出H,其主要是借助不同的權重系數(shù)將河湖健康評價系統(tǒng)中的評價指標耦合在一起。單個隱含層節(jié)點輸出為

        netj=w1jx1+w2jx2+...+wnjxn

        (3)

        最終隱含層單個神經(jīng)元的輸出:

        Hj=f(netj-aj)

        (4)

        計算隱藏層所有節(jié)點的輸出。由于所建立的隱藏層的層數(shù)和隱藏層節(jié)點的個數(shù)不止一個。因此,假定隱藏層的節(jié)點數(shù)目為l,將所有的輸出歸一化操作,則隱含層的輸出向量:

        H=(H1,H2,...,Hj,...,Hl)T

        (5)

        計算輸出層節(jié)點輸出大小。BP網(wǎng)絡所具備強大的回歸能力和擬合能力,原因在于隱藏層是多層結構以及每一層具備多個節(jié)點。將所有隱藏層節(jié)點的輸出綜合起來作為下一隱藏層節(jié)點的輸入,以此類推可以使得BP神經(jīng)網(wǎng)絡自動的向前傳播。最后根據(jù)輸出層H、權值wjk和閾值b,可以求得BP神經(jīng)網(wǎng)絡的預測輸出值O。輸出層各神經(jīng)元的輸出值:

        netk=w1kH1+w2kH2+...+wlkHl

        (6)

        最終輸出層單個神經(jīng)元的輸出值:

        Ok=g(netk-bk)

        (7)

        輸出層期望得到的健康指數(shù)表示為

        Y=(y1,y2,...,yk,...,ym)T

        (8)

        計算河湖生態(tài)健康系統(tǒng)預測誤差。河湖健康評價系統(tǒng)得到的預測健康指數(shù)與期望得到的健康指數(shù)存在誤差,誤差值大小代表河湖健康評價系統(tǒng)準確度大小。通過期望輸出Y和預測輸出O求預測誤差e:

        ek=Yk-Ok

        (9)

        由于河湖健康評價系統(tǒng)的期望值與預測值存在誤差,BP神經(jīng)網(wǎng)絡通過反向傳播調(diào)整權重將誤差縮小。根據(jù)預測誤差e求解新的權值wij,wjk:

        (10)

        通過不斷循環(huán)迭代上述計算過程,會使得河湖健康評價系統(tǒng)的預測健康指數(shù)和期望健康指數(shù)之間的差距越來越小。

        圖2 BP神經(jīng)網(wǎng)絡算法示意

        為了能夠更加清晰地表述BP算法的更新權值和閾值的過程,可用圖 2表示。當網(wǎng)絡誤差達到預設精度,則結束BP神經(jīng)網(wǎng)絡算法的迭代過程。否則,重復以上過程,直到滿足停止條件。

        3 河湖生態(tài)健康評價體系

        3.1 評價指標篩選與確定

        利用BP神經(jīng)網(wǎng)絡對河湖生態(tài)健康評價系統(tǒng)進行研究的過程中,需要全面考慮影響河湖生態(tài)健康的各層面指標。力求做到各指標之間不冗余、可區(qū)分性大、覆蓋面廣、可充分代表河湖生態(tài)健康的主要特征。

        3.2 河湖生態(tài)健康評價分級

        本研究將18項評價指標按照標準進行劃分,除此之外,將河湖的生態(tài)健康評價共分為5類:健康、微健康、亞健康、微病態(tài)以及病態(tài)[5],為便于利用數(shù)字化的方式對BP神經(jīng)網(wǎng)絡進行訓練和測試,將上述的河湖生態(tài)健康分別用0,1,2,3,4進行表示[6]。

        3.3 河湖生態(tài)健康評價指標的樣本處理

        收集江蘇省近幾年河海生態(tài)的相關資料,構造訓練和測試樣本。在標準的閾值范圍內(nèi)采用隨機生成的方法構造200組樣本,其中前170組用于BP神經(jīng)網(wǎng)絡模型的訓練,最后30組用于檢驗模型。所生成樣本類型,見表1。

        本研究將影響河湖生態(tài)健康的指標分為4類,其分別是:水文特征、水質(zhì)特征、水生態(tài)特征以及社會服務特征。每一個大類中包括若干河湖生態(tài)健康評價指標[5],共計18項評價指標。

        4 BP神經(jīng)網(wǎng)絡訓練結果

        本研究根據(jù)河湖評價指標設定輸出層的個數(shù)為18個,根據(jù)實際的需求將隱含層的數(shù)量設置為3層[7-8],隱藏層的數(shù)目分別是50、30、50。依據(jù)河湖健康評價等級將輸出層的節(jié)點個數(shù)設置為5個。同時設定BP神經(jīng)網(wǎng)絡超參數(shù):系統(tǒng)迭代誤差為0.001,BP神經(jīng)網(wǎng)絡的迭代次數(shù)為1 000次,最終的訓練曲線見圖3。

        圖3 誤差結果

        圖3為BP神經(jīng)網(wǎng)絡對河湖生態(tài)健康評價系統(tǒng)中訓練樣本的結果,隨著迭代的進行,BP神經(jīng)網(wǎng)絡訓練誤差呈現(xiàn)下降的趨勢,特別是在訓練初期,誤差下降迅速。在迭代的后期,BP神經(jīng)網(wǎng)絡呈現(xiàn)收斂趨勢,誤差下降緩慢。圖4是學習率的變化圖,從圖中可以看出,學習率逐步下降。圖5是梯度變化值,從圖中可以看出,在迭代的初期梯度值迅速下降,在迭代的后期梯度值幾乎不變。整個BP神經(jīng)網(wǎng)絡算法在迭代次數(shù)為537次的時候,滿足所設置的誤差需求,停止迭代。

        5 河湖生態(tài)健康評價測試

        為了證明本研究針對河湖生態(tài)健康評價系統(tǒng)所提出的BP神經(jīng)網(wǎng)絡算法的有效性,本文將上述所得到的BP神經(jīng)網(wǎng)絡模型應用到河湖生態(tài)健康評價測試集,結果如圖6所示。

        表1 河湖生態(tài)健康評價指標

        圖4 學習率曲線

        圖5 梯度變化曲線

        圖6 BP神經(jīng)網(wǎng)絡測試結果

        圖6表示的是BP神經(jīng)網(wǎng)絡對河湖生態(tài)健康預測結果。測試樣本的個數(shù)為30個。縱坐標代表生態(tài)健康指數(shù),橫坐標代表所測試樣本的序號。其中圖中紅色曲線代表河湖生態(tài)期望生態(tài)健康指數(shù),藍色曲線代表使用BP神經(jīng)網(wǎng)絡算法對河湖生態(tài)健康預測結果??梢钥闯?,BP神經(jīng)網(wǎng)絡預測的藍色曲線基本與期望的紅色曲線相吻合,證明了本研究所提出算法的有效性。

        6 結 語

        本文通過搭建BP神經(jīng)網(wǎng)絡模型、確立河湖生態(tài)健康評價指標,利用BP神經(jīng)網(wǎng)絡算法對河湖生態(tài)健康樣本進行學習歸納,最終可針對河湖生態(tài)健康指數(shù)做出預測。同時可將所獲得的BP神經(jīng)網(wǎng)絡預測模型應用到工程實踐當中,為河湖生態(tài)健康預測提供一定的研究基礎。

        猜你喜歡
        河湖神經(jīng)網(wǎng)絡誤差
        全面推行河湖長制打造“三晉”幸福河湖
        山西水利(2022年5期)2022-09-21 02:38:28
        淮河流域省級河湖長第一次聯(lián)席會議召開
        治淮(2022年8期)2022-09-03 03:42:26
        加強河湖保護治理 改善河湖生態(tài)環(huán)境
        角接觸球軸承接觸角誤差控制
        哈爾濱軸承(2020年2期)2020-11-06 09:22:26
        Beidou, le système de navigation par satellite compatible et interopérable
        黑龍江:河湖治理保護成效明顯
        神經(jīng)網(wǎng)絡抑制無線通信干擾探究
        電子制作(2019年19期)2019-11-23 08:42:00
        壓力容器制造誤差探究
        基于神經(jīng)網(wǎng)絡的拉矯機控制模型建立
        重型機械(2016年1期)2016-03-01 03:42:04
        九十億分之一的“生死”誤差
        山東青年(2016年2期)2016-02-28 14:25:41
        精品亚洲成a人片在线观看| 亚洲国产精品一区二区久| 久久久AV无码精品免费| 国产成人综合亚洲国产| 亚洲一区二区三区在线激情| 中文文精品字幕一区二区| 亚洲av迷人一区二区三区| 亚洲无线码一区二区三区| 97免费人妻在线视频| 亚洲AV成人无码天堂| 免费在线av一区二区| 国产一级二级三级在线观看视频| 我把护士日出水了视频90分钟| 久久中文字幕乱码免费| 一区二区在线亚洲av蜜桃| 天堂av国产一区二区熟女人妻| 一区二区三区日韩精品视频| 香港三日本三级少妇三级视频| 国产情侣久久久久aⅴ免费| 精精国产xxxx视频在线| 亚洲情精品中文字幕有码在线| 久久av粉嫩一区二区| 免费无码又爽又高潮视频| 中文字幕乱码人妻一区二区三区| 国产成人久久精品激情91| 国产人妻久久精品二区三区老狼| 亚洲精品少妇30p| 精品人妻伦九区久久aaa片69| 激情五月婷婷综合| 一本色道久久88综合| 亚洲精品国产一二三区| 国产成人精品999在线观看| a午夜国产一级黄片| 国产高清一区二区三区三州| 日韩精品人妻中文字幕有码| 天天综合网天天综合色| 久久精品一品道久久精品9 | 国产av一区二区三区天美| 欧美不卡一区二区三区| 欧美国产日产一区二区| 丝袜美腿一区二区在线观看|