最新神經(jīng)網(wǎng)絡(luò)方法環(huán)境工程

1、1神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò) 人工神經(jīng)網(wǎng)絡(luò)能夠模仿人腦的功能，具有對(duì)信息進(jìn)行并行處理、分布式存貯，良好的自適應(yīng)性、自組織性、自學(xué)習(xí)與推理的能力，表現(xiàn)出容錯(cuò)性、非線性、非局域性、非凸性等特點(diǎn)，適用于對(duì)模糊信息或復(fù)雜的非線性關(guān)系進(jìn)行識(shí)別與映射。 2bp神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò) x1x2xixmy1ykynh1h2hjhlwijvjk輸入層隱含層輸出層誤差反向傳播網(wǎng)絡(luò)（誤差反向傳播網(wǎng)絡(luò)（backpropagation network），簡(jiǎn)稱），簡(jiǎn)稱bp神經(jīng)網(wǎng)絡(luò)，是目前人工神經(jīng)網(wǎng)神經(jīng)網(wǎng)絡(luò)，是目前人工神經(jīng)網(wǎng)絡(luò)最具有代表性的一種網(wǎng)絡(luò)，應(yīng)絡(luò)最具有代表性的一種網(wǎng)絡(luò)，應(yīng)用最為廣泛。用最為廣泛。bp神經(jīng)網(wǎng)絡(luò)通常由神經(jīng)網(wǎng)絡(luò)通常由輸入

2、層、若干隱含層和輸出層組輸入層、若干隱含層和輸出層組成，最基本的成，最基本的bp神經(jīng)網(wǎng)絡(luò)通常由神經(jīng)網(wǎng)絡(luò)通常由一個(gè)輸入層、一個(gè)隱含層和一個(gè)一個(gè)輸入層、一個(gè)隱含層和一個(gè)輸出層組成。輸出層組成。x表示網(wǎng)絡(luò)的輸入、表示網(wǎng)絡(luò)的輸入、h表示隱含層、表示隱含層、y表示網(wǎng)絡(luò)的輸出，表示網(wǎng)絡(luò)的輸出，wij表示表示輸入層與隱含層之間的連接權(quán)值，輸入層與隱含層之間的連接權(quán)值，vjk表示隱含層到輸出層的連表示隱含層到輸出層的連接權(quán)值。接權(quán)值。m、l、n分別表示輸入層、隱含層、輸出層神經(jīng)元的分別表示輸入層、隱含層、輸出層神經(jīng)元的個(gè)數(shù)。個(gè)數(shù)。q1j和和p1j分別表示隱含層、輸出層神經(jīng)元的閾值。分別表示隱含層、輸出層神經(jīng)元

3、的閾值。3bp網(wǎng)絡(luò)整個(gè)學(xué)習(xí)過程的一般步驟如下網(wǎng)絡(luò)整個(gè)學(xué)習(xí)過程的一般步驟如下 ： 網(wǎng)絡(luò)初始化。給各連接權(quán)值網(wǎng)絡(luò)初始化。給各連接權(quán)值wij、vjk及閾值及閾值q1j、p1j賦予（賦予（-1，+1）間的隨機(jī)量。）間的隨機(jī)量。 將第將第t（t=1）個(gè)學(xué)習(xí)樣本輸入到圖的網(wǎng)絡(luò)中。）個(gè)學(xué)習(xí)樣本輸入到圖的網(wǎng)絡(luò)中。 計(jì)算隱含層第計(jì)算隱含層第j神經(jīng)元輸入神經(jīng)元輸入sj和輸出和輸出 bj ：，即：，即：), 2 , 1(11ljqxwsmijitijj), 2 , 1()(ljsfbjj式中：式中： f（x）網(wǎng)絡(luò)相應(yīng)函數(shù)，取網(wǎng)絡(luò)相應(yīng)函數(shù)，取f（x）為）為sigmoid函數(shù)，函數(shù)，即即 。xexf11)(4 計(jì)算輸出

4、層第計(jì)算輸出層第k神經(jīng)元的輸入神經(jīng)元的輸入lk和輸出層的輸出和輸出層的輸出ck，即：即：), 2 , 1(11nkpbvlljkjjkk), 2 , 1()(nklfckk 計(jì)算輸出層各神經(jīng)元的一般化誤差計(jì)算輸出層各神經(jīng)元的一般化誤差dk：), 2 , 1()1 ()(nkcccydkkkkk式中：式中：yk第第k神經(jīng)元的期望輸出。神經(jīng)元的期望輸出。 計(jì)算隱含層第計(jì)算隱含層第j神經(jīng)元的一般化誤差神經(jīng)元的一般化誤差ej：nkjjjkkjljbbvde1), 2 , 1()1 ()(5 調(diào)整連接權(quán)值和閾值：調(diào)整連接權(quán)值和閾值：), 2 , 1;, 2 , 1(nkljbdvjkjk), 2 , 1

5、(1nkdvkk), 2 , 1;, 2 , 1(ljmixewikjij), 2 , 1(1ljeqjj式中：式中：學(xué)習(xí)速率，學(xué)習(xí)速率，01。 選取下一個(gè)訓(xùn)練樣本對(duì)（選取下一個(gè)訓(xùn)練樣本對(duì)（t=2），重復(fù)步驟），重復(fù)步驟，直至，直至所有樣本對(duì)（所有樣本對(duì)（t =1，2，m）訓(xùn)練完畢，即完成了訓(xùn)練樣）訓(xùn)練完畢，即完成了訓(xùn)練樣本集的一輪訓(xùn)練。本集的一輪訓(xùn)練。6 計(jì)算全局誤差計(jì)算全局誤差sse：2/)(211mtnktktkcysse式中：式中：m學(xué)習(xí)樣本的對(duì)數(shù)；學(xué)習(xí)樣本的對(duì)數(shù)；ykt第第t對(duì)學(xué)習(xí)樣本的期望輸出；對(duì)學(xué)習(xí)樣本的期望輸出；ckt第第t對(duì)學(xué)習(xí)樣本的計(jì)算輸出對(duì)學(xué)習(xí)樣本的計(jì)算輸出 如果如果ss

6、e小于預(yù)先設(shè)定的一個(gè)誤差值，則網(wǎng)絡(luò)停小于預(yù)先設(shè)定的一個(gè)誤差值，則網(wǎng)絡(luò)停止學(xué)習(xí)；否則將重復(fù)步驟止學(xué)習(xí)；否則將重復(fù)步驟，進(jìn)行樣本學(xué)習(xí)樣，進(jìn)行樣本學(xué)習(xí)樣本集的下一輪訓(xùn)練。本集的下一輪訓(xùn)練。7標(biāo)準(zhǔn)標(biāo)準(zhǔn)bp算法是基于梯度下降法，通過計(jì)算目標(biāo)函數(shù)對(duì)網(wǎng)絡(luò)權(quán)算法是基于梯度下降法，通過計(jì)算目標(biāo)函數(shù)對(duì)網(wǎng)絡(luò)權(quán)值和閾值的梯度進(jìn)行修正。學(xué)習(xí)過程是通過調(diào)整權(quán)重和閾值值和閾值的梯度進(jìn)行修正。學(xué)習(xí)過程是通過調(diào)整權(quán)重和閾值使期望值和神經(jīng)網(wǎng)絡(luò)輸出值的均方誤差趨于最小實(shí)現(xiàn)的，只使期望值和神經(jīng)網(wǎng)絡(luò)輸出值的均方誤差趨于最小實(shí)現(xiàn)的，只用到均方誤差函數(shù)對(duì)權(quán)值和閾值的一階導(dǎo)數(shù)信息。用到均方誤差函數(shù)對(duì)權(quán)值和閾值的一階導(dǎo)數(shù)信息。標(biāo)準(zhǔn)梯度下降法權(quán)

7、值和閾值的迭代過程可表示為標(biāo)準(zhǔn)梯度下降法權(quán)值和閾值的迭代過程可表示為 ：標(biāo)準(zhǔn)標(biāo)準(zhǔn)bp算法：算法：)()() 1(kxekxkx由網(wǎng)絡(luò)所有權(quán)值和閾值所形成的向量。由網(wǎng)絡(luò)所有權(quán)值和閾值所形成的向量。 學(xué)習(xí)速率學(xué)習(xí)速率 目標(biāo)函數(shù)目標(biāo)函數(shù)(均均方誤差函數(shù)方誤差函數(shù)) 目標(biāo)函數(shù)的梯度目標(biāo)函數(shù)的梯度(一階導(dǎo)數(shù)一階導(dǎo)數(shù)) 迭代次數(shù)迭代次數(shù) 8bp神經(jīng)網(wǎng)絡(luò)的缺點(diǎn)：神經(jīng)網(wǎng)絡(luò)的缺點(diǎn)：bp神經(jīng)網(wǎng)絡(luò)是目前應(yīng)用最多的一種神經(jīng)網(wǎng)絡(luò)形式，但不神經(jīng)網(wǎng)絡(luò)是目前應(yīng)用最多的一種神經(jīng)網(wǎng)絡(luò)形式，但不是非常完美，是非常完美， 表現(xiàn)出結(jié)構(gòu)確定的人為性、訓(xùn)練速度慢以表現(xiàn)出結(jié)構(gòu)確定的人為性、訓(xùn)練速度慢以及初始權(quán)值對(duì)結(jié)果影響的隨機(jī)性等缺陷；存在

8、學(xué)習(xí)過程及初始權(quán)值對(duì)結(jié)果影響的隨機(jī)性等缺陷；存在學(xué)習(xí)過程易陷入局部極小、易出現(xiàn)震蕩和網(wǎng)絡(luò)存在冗余連接或節(jié)易陷入局部極小、易出現(xiàn)震蕩和網(wǎng)絡(luò)存在冗余連接或節(jié)點(diǎn)等缺陷；另外，隱含層單元數(shù)及隱含層結(jié)點(diǎn)數(shù)的確定點(diǎn)等缺陷；另外，隱含層單元數(shù)及隱含層結(jié)點(diǎn)數(shù)的確定至今沒有統(tǒng)一的方法。至今沒有統(tǒng)一的方法。9對(duì)于上述存在的缺點(diǎn)，許多學(xué)者對(duì)對(duì)于上述存在的缺點(diǎn)，許多學(xué)者對(duì)bp網(wǎng)絡(luò)進(jìn)行了改進(jìn)，網(wǎng)絡(luò)進(jìn)行了改進(jìn)，大多采用基于標(biāo)準(zhǔn)梯度下降的改進(jìn)方法，如附加動(dòng)量法、大多采用基于標(biāo)準(zhǔn)梯度下降的改進(jìn)方法，如附加動(dòng)量法、彈性彈性bp算法、自適應(yīng)調(diào)整參數(shù)法等或基于標(biāo)準(zhǔn)數(shù)值優(yōu)化算法、自適應(yīng)調(diào)整參數(shù)法等或基于標(biāo)準(zhǔn)數(shù)值優(yōu)化的改進(jìn)方法，如擬牛

9、頓法、共扼梯度法和的改進(jìn)方法，如擬牛頓法、共扼梯度法和lm法等，并沒法等，并沒有將兩種改進(jìn)方法結(jié)合起來。有將兩種改進(jìn)方法結(jié)合起來。 bp神經(jīng)網(wǎng)絡(luò)的改進(jìn)：神經(jīng)網(wǎng)絡(luò)的改進(jìn)：10（1）基于標(biāo)準(zhǔn)數(shù)值優(yōu)化的改進(jìn)）基于標(biāo)準(zhǔn)數(shù)值優(yōu)化的改進(jìn)bp神經(jīng)網(wǎng)絡(luò)的訓(xùn)練實(shí)質(zhì)上是非線性目標(biāo)函數(shù)的優(yōu)化問題，神經(jīng)網(wǎng)絡(luò)的訓(xùn)練實(shí)質(zhì)上是非線性目標(biāo)函數(shù)的優(yōu)化問題，標(biāo)準(zhǔn)標(biāo)準(zhǔn)bp神經(jīng)網(wǎng)絡(luò)利用了目標(biāo)函數(shù)的一階導(dǎo)數(shù)信息。本次改神經(jīng)網(wǎng)絡(luò)利用了目標(biāo)函數(shù)的一階導(dǎo)數(shù)信息。本次改進(jìn)采用進(jìn)采用“l(fā)m”法，它是基于標(biāo)準(zhǔn)數(shù)值優(yōu)化的改進(jìn)方法，在利法，它是基于標(biāo)準(zhǔn)數(shù)值優(yōu)化的改進(jìn)方法，在利用目標(biāo)函數(shù)的一階導(dǎo)數(shù)信息的基礎(chǔ)上，還利用了目標(biāo)函數(shù)的用目標(biāo)函數(shù)的一階導(dǎo)數(shù)信息

10、的基礎(chǔ)上，還利用了目標(biāo)函數(shù)的二階導(dǎo)數(shù)信息。二階導(dǎo)數(shù)信息。改進(jìn)后的權(quán)值和閾值的迭代過程表示為：改進(jìn)后的權(quán)值和閾值的迭代過程表示為：)( 2)() 1(1kxedhkxkxhdh是對(duì)角矩陣，其對(duì)角元素為是對(duì)角矩陣，其對(duì)角元素為h的對(duì)角元素；的對(duì)角元素；11阻尼因子（若阻尼因子（若e(x(k+1)e(x(k), (k+1)=10(k)；否則；否則(k+1)=0.1(k)）。）。 該改進(jìn)方法根據(jù)迭代的結(jié)果動(dòng)態(tài)地調(diào)整阻尼因子，使每次該改進(jìn)方法根據(jù)迭代的結(jié)果動(dòng)態(tài)地調(diào)整阻尼因子，使每次的迭代誤差函數(shù)值都有所下降，收斂速度快。的迭代誤差函數(shù)值都有所下降，收斂速度快。（2）基于梯度下降的改進(jìn)）基于梯度下降的改進(jìn)

11、標(biāo)準(zhǔn)標(biāo)準(zhǔn)bp算法的步長(zhǎng)算法的步長(zhǎng)是定值，這就導(dǎo)致了是定值，這就導(dǎo)致了難以確定，若難以確定，若過過小，在誤差曲面較平坦的區(qū)域，收斂較慢；當(dāng)步長(zhǎng)小，在誤差曲面較平坦的區(qū)域，收斂較慢；當(dāng)步長(zhǎng)較大時(shí)，較大時(shí)，又會(huì)在峽谷區(qū)域引起震蕩。針對(duì)上述缺陷，本次采用步長(zhǎng)又會(huì)在峽谷區(qū)域引起震蕩。針對(duì)上述缺陷，本次采用步長(zhǎng)自適應(yīng)改進(jìn)方法確定自適應(yīng)改進(jìn)方法確定，即：，即： 11)()1 ()()1 () 1(ppppeepeepp式中：式中：某一小正數(shù)，某一小正數(shù)，0.01，0.03； p訓(xùn)練次數(shù)訓(xùn)練次數(shù) ep第第p次的訓(xùn)練誤差。次的訓(xùn)練誤差。12 該方法的優(yōu)點(diǎn)是當(dāng)誤差減小時(shí)步長(zhǎng)相應(yīng)增大，當(dāng)誤差增大該方法的優(yōu)點(diǎn)是當(dāng)誤差

12、減小時(shí)步長(zhǎng)相應(yīng)增大，當(dāng)誤差增大時(shí)步長(zhǎng)相應(yīng)減小，克服了標(biāo)準(zhǔn)時(shí)步長(zhǎng)相應(yīng)減小，克服了標(biāo)準(zhǔn)bp算法步長(zhǎng)難以確定的缺陷。算法步長(zhǎng)難以確定的缺陷。采用這兩種方法改進(jìn)的采用這兩種方法改進(jìn)的bp神經(jīng)網(wǎng)絡(luò)能克服標(biāo)準(zhǔn)神經(jīng)網(wǎng)絡(luò)能克服標(biāo)準(zhǔn)bp神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)訓(xùn)練速度慢、初始權(quán)值對(duì)結(jié)果影響的隨機(jī)性、在學(xué)習(xí)過程易訓(xùn)練速度慢、初始權(quán)值對(duì)結(jié)果影響的隨機(jī)性、在學(xué)習(xí)過程易陷入局部極小、易出現(xiàn)震蕩等缺陷。陷入局部極小、易出現(xiàn)震蕩等缺陷。13基于人工神經(jīng)網(wǎng)絡(luò)的綜合評(píng)價(jià)方法步驟基于人工神經(jīng)網(wǎng)絡(luò)的綜合評(píng)價(jià)方法步驟 （1）確定評(píng)價(jià)指標(biāo)集，指標(biāo)個(gè)數(shù)為bp網(wǎng)絡(luò)中輸入節(jié)點(diǎn)的個(gè)數(shù)； （2）確定bp網(wǎng)絡(luò)的層數(shù)，一般采用具有一個(gè)輸入層，一個(gè)隱含層和一

13、個(gè)輸出層的三層網(wǎng)絡(luò)模型結(jié)構(gòu)； （3）明確評(píng)價(jià)結(jié)果輸出層的節(jié)點(diǎn)數(shù)為1; （4）對(duì)指標(biāo)值進(jìn)行標(biāo)準(zhǔn)化處理； （5）用隨機(jī)數(shù)（一般為0-1之間的數(shù)）初始化網(wǎng)絡(luò)節(jié)點(diǎn)的權(quán)值與網(wǎng)絡(luò)閾值； （6）將標(biāo)準(zhǔn)化以后的指標(biāo)樣本值輸入網(wǎng)絡(luò)，并給出相應(yīng)的期望輸出； 14基于人工神經(jīng)網(wǎng)絡(luò)的綜合評(píng)價(jià)方法步驟基于人工神經(jīng)網(wǎng)絡(luò)的綜合評(píng)價(jià)方法步驟 （7）正向傳播，計(jì)算各層節(jié)點(diǎn)的輸出； （8）計(jì)算各層節(jié)點(diǎn)的誤差； （9）反向傳播，修正權(quán)重； （10）計(jì)算誤差。當(dāng)誤差小于給定的擬合誤差，網(wǎng)絡(luò)訓(xùn)練結(jié)束；否則轉(zhuǎn)到（7），繼續(xù)訓(xùn)練； （11）訓(xùn)練所得網(wǎng)絡(luò)權(quán)重就可以用于正式的評(píng)價(jià)。15神經(jīng)網(wǎng)絡(luò)在地下水環(huán)境評(píng)價(jià)中的應(yīng)用神經(jīng)網(wǎng)絡(luò)在地下水環(huán)境評(píng)價(jià)中

14、的應(yīng)用 地下水環(huán)境質(zhì)量評(píng)價(jià)是地下水資源評(píng)價(jià)的一項(xiàng)重要內(nèi)容，地下水環(huán)境質(zhì)量評(píng)價(jià)是地下水資源評(píng)價(jià)的一項(xiàng)重要內(nèi)容，它根據(jù)地下水中主要物質(zhì)成分和給定的水質(zhì)標(biāo)準(zhǔn)，分析地下水它根據(jù)地下水中主要物質(zhì)成分和給定的水質(zhì)標(biāo)準(zhǔn)，分析地下水水質(zhì)的時(shí)空分布狀況和可用程度，為地下水資源的開發(fā)利用、水質(zhì)的時(shí)空分布狀況和可用程度，為地下水資源的開發(fā)利用、規(guī)劃和管理提供科學(xué)依據(jù)。規(guī)劃和管理提供科學(xué)依據(jù)。16神經(jīng)網(wǎng)絡(luò)在地下水環(huán)境評(píng)價(jià)中的應(yīng)用神經(jīng)網(wǎng)絡(luò)在地下水環(huán)境評(píng)價(jià)中的應(yīng)用 地下水水質(zhì)評(píng)價(jià)的方法有很多地下水水質(zhì)評(píng)價(jià)的方法有很多,如模糊數(shù)學(xué)法、灰色聚類法、如模糊數(shù)學(xué)法、灰色聚類法、物元分析法、內(nèi)梅羅指數(shù)法等。在設(shè)計(jì)模糊數(shù)學(xué)的隸屬度函

15、數(shù)、物元分析法、內(nèi)梅羅指數(shù)法等。在設(shè)計(jì)模糊數(shù)學(xué)的隸屬度函數(shù)、灰色聚類的白化函數(shù)時(shí)及在確定各評(píng)價(jià)指標(biāo)的權(quán)重時(shí)，都存在灰色聚類的白化函數(shù)時(shí)及在確定各評(píng)價(jià)指標(biāo)的權(quán)重時(shí)，都存在著人為因素，造成評(píng)價(jià)模式難以通用，而且也存在著在計(jì)算時(shí)著人為因素，造成評(píng)價(jià)模式難以通用，而且也存在著在計(jì)算時(shí)丟失信息太多而使評(píng)價(jià)結(jié)果與實(shí)際不符。內(nèi)梅羅指數(shù)法數(shù)學(xué)過丟失信息太多而使評(píng)價(jià)結(jié)果與實(shí)際不符。內(nèi)梅羅指數(shù)法數(shù)學(xué)過程簡(jiǎn)捷，運(yùn)算方便，物理概念清晰等，該方法的主要缺點(diǎn)是過程簡(jiǎn)捷，運(yùn)算方便，物理概念清晰等，該方法的主要缺點(diǎn)是過于突出最大污染因子，未考慮權(quán)重因素，對(duì)各污染因子等同對(duì)于突出最大污染因子，未考慮權(quán)重因素，對(duì)各污染因子等同對(duì)

16、待等。這些方法并沒有很好解決評(píng)價(jià)因子與水質(zhì)等級(jí)間復(fù)雜的待等。這些方法并沒有很好解決評(píng)價(jià)因子與水質(zhì)等級(jí)間復(fù)雜的非線性關(guān)系，以及水體污染的模糊性與隨機(jī)性，至今還沒統(tǒng)一非線性關(guān)系，以及水體污染的模糊性與隨機(jī)性，至今還沒統(tǒng)一的評(píng)價(jià)模型。的評(píng)價(jià)模型。17神經(jīng)網(wǎng)絡(luò)在地下水環(huán)境評(píng)價(jià)中的應(yīng)用神經(jīng)網(wǎng)絡(luò)在地下水環(huán)境評(píng)價(jià)中的應(yīng)用表表1 水質(zhì)資料水質(zhì)資料18神經(jīng)網(wǎng)絡(luò)在地下水環(huán)境評(píng)價(jià)中的應(yīng)用神經(jīng)網(wǎng)絡(luò)在地下水環(huán)境評(píng)價(jià)中的應(yīng)用19神經(jīng)網(wǎng)絡(luò)在地下水環(huán)境評(píng)價(jià)中的應(yīng)用神經(jīng)網(wǎng)絡(luò)在地下水環(huán)境評(píng)價(jià)中的應(yīng)用i類水的標(biāo)準(zhǔn)界值為類水的標(biāo)準(zhǔn)界值為i類水的分級(jí)代表值，類水的分級(jí)代表值，類水的分級(jí)代表值為類水的分級(jí)代表值為i類水和類水和類類水標(biāo)準(zhǔn)

17、界值的中值，其余依次類推，將水標(biāo)準(zhǔn)界值的中值，其余依次類推，將 類水或類水或類水的界值作為類水的界值作為類水的類水的分級(jí)代表值。得到本次分級(jí)代表值。得到本次bp網(wǎng)絡(luò)的訓(xùn)練樣本，見表網(wǎng)絡(luò)的訓(xùn)練樣本，見表2。1 訓(xùn)練樣本選擇訓(xùn)練樣本選擇表表2 地下水質(zhì)量標(biāo)準(zhǔn)分級(jí)類別和網(wǎng)絡(luò)期望輸出值地下水質(zhì)量標(biāo)準(zhǔn)分級(jí)類別和網(wǎng)絡(luò)期望輸出值20神經(jīng)網(wǎng)絡(luò)在地下水環(huán)境評(píng)價(jià)中的應(yīng)用神經(jīng)網(wǎng)絡(luò)在地下水環(huán)境評(píng)價(jià)中的應(yīng)用bp網(wǎng)絡(luò)模型一般以s形函數(shù)作為轉(zhuǎn)換函數(shù)，該函數(shù)的值域?yàn)?，1，因此在網(wǎng)絡(luò)訓(xùn)練時(shí)要將原始數(shù)據(jù)進(jìn)行處理，規(guī)范到0，1之間，常用的數(shù)據(jù)預(yù)處理方法主要有標(biāo)準(zhǔn)化法、重新標(biāo)法、變換法、比例壓縮法、壓縮系數(shù)法。為了實(shí)現(xiàn)將網(wǎng)絡(luò)輸入數(shù)

18、據(jù)信息集進(jìn)行合理的壓縮，又能夠體現(xiàn)原始輸入數(shù)據(jù)信息之間的差別，建議使用壓縮系數(shù)法。公式如下：t=x式中：x原始數(shù)據(jù)；壓縮系數(shù)法，00）的取值進(jìn)行估計(jì)，可以認(rèn)為xn，xn-1，xn-m之間存在有某種函數(shù)關(guān)系，可用下式描述：),(1mnnnknxxxfx25神經(jīng)網(wǎng)絡(luò)時(shí)間序列預(yù)測(cè)模型的步驟神經(jīng)網(wǎng)絡(luò)時(shí)間序列預(yù)測(cè)模型的步驟神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)時(shí)間序列的方法就是用神經(jīng)網(wǎng)絡(luò)來擬合某一時(shí)間神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)時(shí)間序列的方法就是用神經(jīng)網(wǎng)絡(luò)來擬合某一時(shí)間序列的函數(shù)序列的函數(shù)f()，然后將之用于時(shí)間序列的預(yù)測(cè)。建立神經(jīng)網(wǎng)，然后將之用于時(shí)間序列的預(yù)測(cè)。建立神經(jīng)網(wǎng)絡(luò)時(shí)間序列預(yù)測(cè)模型有以下幾個(gè)步驟：絡(luò)時(shí)間序列預(yù)測(cè)模型有以下幾個(gè)步驟：（1）數(shù)據(jù)的預(yù)處理）數(shù)據(jù)的預(yù)處理bp神經(jīng)網(wǎng)絡(luò)一般以神經(jīng)網(wǎng)絡(luò)一般以s型函數(shù)作為轉(zhuǎn)換函數(shù)，該函數(shù)的值域?yàn)樾秃瘮?shù)作為轉(zhuǎn)換函數(shù)，該函數(shù)的值域?yàn)?，1，因此在網(wǎng)絡(luò)訓(xùn)練時(shí)要將原始數(shù)據(jù)進(jìn)行處理，規(guī)范到，因此在網(wǎng)絡(luò)訓(xùn)練時(shí)要將原始數(shù)據(jù)進(jìn)行處理，規(guī)范到0，1之間，常用的數(shù)據(jù)預(yù)處理方法主要有標(biāo)準(zhǔn)化法、重新之間，常用的數(shù)據(jù)預(yù)處理方法主要有標(biāo)準(zhǔn)化法、重新標(biāo)法、變換法、比例壓縮法、壓縮系數(shù)法。標(biāo)法、變換法、比例壓縮法、壓縮系數(shù)法。26神經(jīng)網(wǎng)絡(luò)時(shí)間序列預(yù)測(cè)模型的步驟神經(jīng)網(wǎng)絡(luò)時(shí)間序列預(yù)測(cè)模型的步驟（1）數(shù)據(jù)的預(yù)處理）數(shù)據(jù)的預(yù)處理 為了實(shí)現(xiàn)將輸入數(shù)據(jù)信息集進(jìn)行