BP神经网络评价-算法程序.pdf

BP 神经网络评价 本模型建立3 层的bp 神经网络模型，即输入层、隐含层、输出层各一个。 输入层 隐含层 ······ 输出层 图2 神经网络结构图 确定BP 神经网络中的节点数： 根据研究评价体系及相关城市病等级评价的BP 神经网络模型的输入层为10 个节点，对应 10 个评价指标；输出层为5 个节点，对应五个城市病的等级识别 结果。 在BP 神经网络中，确定隐含层节点数目对神经网络至关重要，它是导致样 [4] 本训练过程中出现“过拟合”现象的重要原因 。本文采用经验公式法计算隐藏节 点数。 J 2m 1 （1） m 其中， 为最佳隐含层节点数目， 为输入层节点数目。 J （3 ）构造网络函数 newff 函数的功能为构建一个BP 神经网络，在本文中的构建形式如下： net newff (PR1, PR2, S ) （2 ） PR1 PR 2 其中， 为输入样本数据， 为输出样本数据， 为隐含层节点数。 S （4 ）网络训练 根据不同等级城市病的标准，采用等差序列的方法生成25 组训练样本，组 数满足大于输入节点数的两倍。 确定网络学习速率：BP 算法的收敛速度在很大程度上取决于学习速率，本 文采用动量法来调整学习速率，在该权值基础上加上前一次权值调节量的值。 E w(x 1)  mw(x) （3 ） w m 式 （3 ）中， 为动量系数，一般取值（0 ，0.9) 。动量的作用是缓冲和平滑，改 善网络收敛的过程，调节网络收敛速度，从而使模型更稳定 附录1：不同大城市病等级的指标标志值 一级城市 二级城市 四级城市 五级城市 指标 三级城市病 病 病 病 病 人均水资源 ≥3000 [1000,3000) [500,1000) [300,500) 300 自然资 （立方米） 源 人均能源缺口 0 (0,2] (2,4] (4,6] 6 （吨标准煤） 住房紧 人均住宅建筑 ≥50 [36,50) [20,36) [10,20) 10 张 面积（平方米） 生活污水未处 0