基于遗传算法的人工神经网络在降水酸度预测中的应用.pdf

第 卷 第 期 重 庆 环 境 科 学 年 月 基于遗传算法的人工神经网络 在降水酸度预测中的应用 汤丽妮，李祚泳 （成都信息工程学院，四川成都 ） 摘 要：在误差反向传播（ ）算法的人工神经网络结构模型的基础上，应用遗传算法训练神经网络权 重，实现网络结构的优化。用优化后的 人工神经网络建立了江西省南昌市的降水酸度预测模型。并将该模型预测结 果与 算法和多元线性回归法的预测结果进行了比较。检验结果表明：基于遗传算法的人工神经网络优于 算法及 多元线性回归法，具有良好的预测效果。 关键词：遗传算法；神经网络；降水酸度；预测 中图分类号： 文献标识码： 文章编号： （ ） 遗传算法由美国密歇根大学的 等人 作基因处理，因而受到人们的重视。 创立，它采用解的种群作为工作单元，仿效生物学中 适应值评价函数 遗传进行的过程，遵从达尔文生物进化的适者生存原 把 网络的各连接权值和阈值作为基因，任一 则指导搜索并改进目标，遗传算法主要采用复制、交 组权值和阈值按某顺序排列成一个染色体。将样本 叉（重组）、突变这三种遗传操作衍生出种群子代个 输入 网络训练，用逆向传播过程中隐层节点的返 体，达到优化参数体系的目的。遗传算法的基本原理 回误差的平方和的倒数作为第 条染色体的适应值 及算法实现过程详见文献 。 评价函数 （）： 近 年来，人工神经网络以其并行分布处理、自 （） ／ （） ! 组织、自适应、自学习和具有容错性等优良性质在人 ———第 个隐节点的返回误差，如式（ ）所 工智能、自动控制和模式识别等领域得以迅速发展， 并获得广泛应用，为解决复杂的非线性问题提供了有 示。 ——— 网络的隐层节点数。 用的工具。人工神经网络中