基于Elman神经网络的变形预报方法研究.pdf

基于Elm,an：i@经网络的变形预报方法研究 邸彦彬 张怡学 (1黑龙江省测绘产品质量监督检验站，哈尔滨 l50000；2黑龙江省虎林市国土资源局，虎林 158400) f关键词】E1man神经网络；变形预报：网络结构 在变形分析中．由于观测数据会受 对历史状态 的数据具有敏感性 ．内部反 确的结论 ，多是通过经验数值和经验公 到外界环境、观测设备等因素的影响．使 馈网络的加人增加 了网络本身处理动态 式 比较来确定的。笔者经过多次试验 ，最 观测到的数据发生 “失真 ”．这就使变形 信息的能力 ，从而达到 了动态建模 的 目 后确定隐含层与承接层 的单元数分别为 诊断及变形预报的正确性受到影响。变 的。 1、15。经过上面两步，最终选择[10，1，15， 形分析及预报 中的许多问题是非线性 问 2．Elman神经网络的学习过程 11网络结构来进行变形监测数据预报。 题 ，变量之间的关系十分复杂 ，就现有 的 Elman网络的非线性状态空间表达 3．学习速率及 网络期望误差的确 数学模型来说，各有各的适用条件 ；且很 式为 ： 定。根据BP神经网络学习速率及 网络误 多问题难 以用确切的力学、数学模型来 差的选取法则 ．最终确定Elman神经网络 ：g(1ll3x(：I【)：，(I(1)+扣一1)))；t∽=x(k—1) 描述 。而神经 网络理论作为一门迅速兴 的学习速率 为0．1，网络平均误 差为 起 的非线性科学 。在处理信息十分复杂 ， 其 中，Y、x、u、Xc分别表示m维输 出结 0．ooOl。 背景知识不清楚．推理规则不明确的问题显 点单元 向量 、r维输入 向量和n维反馈状 4．网络训练分析 。网络训练5oo次以 示 出其独特的优越性。在引入到变形预 态向量 。．I^r3、w2、w-分别表示 中间层到输出 后 。误差基本不再改变 。此 时MSE= 测领域之前，其 已在径流预测、农业病虫 层 、输入层到中间层 、承接层到中间层 的 0．0004117，误差较小 ，说 明仿真值与 目 害预测 、工业荷载预测等领域得到广泛 连接权值。g(．)为输 出神经元传递函数 ， 标值吻合程度 良好 ，根据以上分析 ，所建 的应用 ，且理论背景成熟 ，这为其在变形 是中间层输出的线性组合 。 ．1为中间层 网络的结构合理 ，而且 收敛效果好 ，可以 预测领域的应用打下坚实的理论基础 。 神经元 的传递函数 ，常采用S函数 。 进一步用该网络进行预测工作 ，下面对 本文 采用 目前应 用较 为广 泛 的 Elman网络也采用BP算法进行权值 预测结果进行分析 ，以评价Elman神经 网 Elman神经网络模型进行变形预报 。并对 修正．学 习指标 函数采用误差平方和函 络在变形预报 中的实用性 。 各方法进行比较分析 。验证其在变形预 总之 ．本文对Elman神经网络模型从 姒 ：E(w)一∑ [Yk(w)一 (w)】 报发面的优越性 。 模型结构、学习过程等方面进行了简要 一 、 Elman神经网络模型 的结构与学 其 中 (w)为 目标输 出向量。 概括，并将其应用于实际工程案例中，在 习过程 二 、Elman神经网络在变形预报 中的 从训练时间