人工神经网络结合遗传算法在城市水环境极限承载力中的应用研究_李淑霞.docx

《人工神经网络结合遗传算法在城市水环境极限承载力中的应用研究_李淑霞.docx》由会员分享，可在线阅读，更多相关《人工神经网络结合遗传算法在城市水环境极限承载力中的应用研究_李淑霞.docx（61页珍藏版）》请在得力文库 - 分享文档赚钱的网站上搜索。

1、 分类号： _ 密级 . _ U D C: _ 宁 夏 大 学 硕 士 学 位 论 文 论文题 目：人工神经网络结合遗传算法在 城市水环境极限承载力中的应用研究 Studies on Application of Combination of Genetic Algorithm and Artificial Neural Network in City Water Environment Ultimate Carrying Capacity 硕 士 生 ： 李淑霞 导师：马文 敏教授 研究方向 . 水资源与水环境保护 专 业 . 水利水电工程 宁夏大学研究生部 2 0 0 4 年 4 月 Ni

2、ngxia University Thesis for Application of Master Degree Studies on Application of Combination of Genetic Algorithm and Artificial Neural Network in City Water Environment Ultimate Carrying Capacity Student Name:Li Shuxia DirectorcProf. Ma Wenmin April,2004,yinchuan China 摘要 本文针对城市水环境极限承载力的特点，以人工神经网

3、络和遗传算法为主要 技术手段，建立了城市水环境承载力的人工神经网络模型，并用遗传算法优化该 网络的权重，在城市水环境极限承载力建模和预测中进行创新研究。在研究中初 步选取了十个影响因子作为水环境承载力的评价指标，并将该模型应用到西北干 单区 的宁夏 银川市。实例证明，用遗传算法优化人工神经网络的权重，将获得高 于单纯用人工神经网络训练的结果 0 主要研究成果有： 1. 通过査阅大量国内外研究城市水环境承载力文献的基础上。提出了城市水环 境极限承载力的定义及评价城市水环境极限承载力的指标体系。 2. 采用一维稳定条件下的水环境容量计算方法对银川市河流水环境容量进行 了初步的计算和分析，为银川市工

4、农业的可持续发展奠定了有关水环境方面的基 础。 3. 在分析人工神经网络和遗传算法各自特点的基础上，将两者结合起来应用到 城市水环境极限承载力的建模中，以西北干旱区的宁夏银川市为例，完成了城市 水环境极限承载力的预测。模型具有三个特点 . 第一，分辨率髙， BP网络模拟 人类的思维方式，对事物的判断 不需要预先建立某种模式，只根据事物的本质特 征，釆用直观的推理判断，信息含量丰富。第二，通用性广，该模型可应用到西 北干旱区的其它城市。第三，可操作性强，对训练好的网络，只需给定输入，即 可输出评价结果，简单易用。 4. 采用 MATLAB语言对城市水环境承载力模型进行编程和求解。 本文是国家自然

5、科学基金项目 “ 西北干旱区域城市水环境极限承载力研究 ” 的一部分。用人工神经网络结合遗传算法研究城市水环境承载力是一条崭新而有 效的途径，为城市水环境承载力提供了新的研究思路，对其的进一步研究起到了 推动作用。 关键词：西北 千旱区城市 水环境承载力 遗传算法 MATLAB 人工神经网络 ) Abstract Artificial neural network and Genetic algorithm, themain means applied in this thesis, takes part in the innovative study of the modelbuilding

6、 and forecasting of city waterenvironment ultimate carrying capacity, aimingat the characters of city water environmentultimate carrying capacity, the artificialneural network model of city waterenvironment ultimate carrying capacity has beenestablished, genetic algorithm werecombined for the purpos

7、e of weight training in anANN. Ten important factors havebeen chosen tentatively as the evaluation indexsystem of water environment carryingcapacity. The model has been applied in lnchuancity, Ningxia Hui AutonomousRegion, which lies in arid area of northwestChina. The results showed thatgenetic alg

8、orithm combined for the purpose of weightin an ANN was more effectivethan only ANN. Themain fruits are shown as follows: 1. This dissertation suggested the definition and evaluationindex system of city waterenvironment ultimate carrying capacity throughconsulting a lot of domestic andforeign referen

9、ces which studied the city water environmentcarrying capacity. 2. To calculate and analyze tentatively on the riverwater environment capacity in Yinchuancity applying method for calculating waterenvironment capacity in the case ofone dimensional, establishing the foundation of industryand agricultur

10、e sustainable developmentabout water environment of Yinchuan city. 3. Artificial neural network and genetic algorithmwere combined, which was appliedthat the establishment of model of city waterenvironment iiltiamte carrying capacity, based on analysis of respective characterof artificial neural net

11、work and geneticalgorithm.Rcgarding Wnchuan city as case, thethesis has forecasted the city 4. Adopting the MATLAB language to pro lve the model of city water environment ultimate carrying capacity. Keywords： city water environment carrying capacity artificial neural network genetic algorithm MATLAB

12、 目录 中文摘要 英文摘要 1城市水环境承载力研究综述 . 1 1.1城市水环境 . 1 1.2城市水环境极限承载力的定义和特征 . 2 1.2.1城市水环境极限承载力 . 2 1.2.2水环境承载力主要特征 . 3 1.3城市水环境承载力研究现状 . . 4 1.4水环境承载力的研究方法 . 6 1. 4. 1指标体系评价方法 . 7 1.4.2多目标模型最优化方法 . 7 1.4.3系统动力学法 . 7 1.4.4人工神经网络结合遗传算法 . 8 1. 5本文的研究方法和技术路线 . 11 1.5. 1研究方法 . 11 1.5. 2技术路线 . 11 1.6研究内容 . 12 1.7研究

13、目标 . 13 2银川市水环境容量计算研究 . 14 2.1研究目的 . 14 2.2银川市水环境现状与分析 . 14 2. 2. 1银川市水环境容量计算模型 . . . 18 2.2.2参数与控制因子确定 . 19 2.2.3计算结果 . 21 2.3结果分析 . 21 3人工神经网络结合遗传算法在城市水环境极限承载力中的应用研究 . 23 3.1人工神经网络特点简介 . 23 3. 1.1 BP 网络 . 24 3. 1. 1. 1 BP网络的原理及学习算法 . 24 3. 1.1.2 BP网络学习公式推导 . 24 3.1.1.3 BP网络存在的问题 . 28 3. 2遗传算法特点简介

14、. 29 3. 2.1遗传算法基本概念 . 29 3.2.2基本思路及目的 . 29 3. 2. 3遗传算法的操作步骤 . 30 3.2.4遗传算法的优点 . 32 3. 3人工神经网络和遗传算法结合原理 . 32 3.4城市水环境极限承载力的人工神经网络结合遗传算法的模型 34 3.4. 1建模原理 . 34 3. 4. 2模型的计算流程 . . 35 3. 4. 3 MATLAB语言实现 BP网络和遗传算法程序 . 38 3. 4. 4程序应用 . 39 3. 4. 4.1数据的预处理 . 39 3. 4. 4. 2训练网络 . 40 3. 4. 4. 3输出结果 . 40 3.5银川市水

15、环境承载力的计算和分析 . 41 4总结与展望 . 47 4. 1总结 . 47 4.2 展望 . ”.48 参考文献 . 50 致谢 . 53 攻读学位期间发表的论文 . 54 宁夏大学硕士学位论文 1城市水环境承载力研究综述 1.1城市水环境 我国面临严重的水环境形势，水资源短缺且浪费严重，水污染的程度越来 越严重，尤其是北方城市严重缺水，城市水污染日益突出 ，西北干旱少雨地区 地下水的可开采量己接近极限。据有关部门统计，我国己有 90%以上的城市水域 受到不同程度的污染，约有 5000万以上的居民城市饮用不合卫生标准的水。对 全国 532条河流的调査表明，己有 436条河流受到不同程度的

16、污染。城市地面水 普遍污染严重，并呈恶化趋势 2，水质污染己经给人民生活带来严重损害。随着 人口增长和社会经济的发展，水资源短缺和水环境破坏己经成为全球性的严峻问 题。我国是人均水资源短缺的国家，人均水资源占有量也远低于世界平均水平， 加之水资源时空分布不均，水土资源的布局不相匹配 水资源紧张的态势日益 加剧，己经成为制约我国社会经济可持续发展的重要因素。 我国北方地区水资源严重短缺，水资源基流较小，水体生态系统相当脆弱， 水体的自净能力较低。就目前的现状而言，水环境的质量状况极不理想，水环境 承载能力己接近最大污染负荷，局部甚至己经超过了极限承载能力。水资源短缺 和水体污染己严重制约着我国经

17、济的快速增长。因此，研究水环境与经济的相互 制约关系以及两者之间协调发展与调控手段，是可持续发展理论研究与能力建设 的重要内容，也是实现可持续发展目标的有利保证 1。 1.42多目标模型最优化方法 水环境承载力分析涉及自然条件和社会系统的方方面面，是一个典型多目 标复合系统问题，采用分解 协调的系统分析思路，将特定地区的水资源、人 类社会经济系统划分成若千个子系统，并采用数学模型对其进行刻画，各子系统 模型之间通过多目标核心模型的协调关联变量相连接。若事先确定需要达到的优 化目标（文献 22中包括国内生产总值、人口、粮食产量和污染负荷量等方面） 和约束条 f， 结合模 型模拟和对决策变量在不同

18、水平年上的预测结果，就可解出 同时满足多个目标整体最优的发展方案，其所对应的人口或社会经济发展规模即 为这一城市或地区的水环境承载力。 1.4*3系统动力学法 系统动力学方法 125*261也是目前使用的一种重要的量化方法。系统动力学简 称 SD(SystemDynamic)， 它是一种以反馈控 理论为基础，以计算机仿真技术 为手段的研究复杂社会经济系统的定量方法。由美国麻省理工学院 J.W.Forrester 教授 50年代中期创立的。该方法是在总结运筹学的基础上，综合系统理论、控 制论、信息反馈理论、决策理论、系统力学、仿真与计算机科学等基础上形成的 崭新科学 27。郭怀成采用系统动力学模

19、型建立城市水环境系统的预测和决策模型 该方法是通过对因果关系的分析，建立符合实际情况的因果链及反馈环，追踪水 人工神经网络结合遗传算法在城市水环境极限承栽力中的应用研究 环境的动态信息，对水环境系统及其所支持的经济发展这两者之间的关系进行定 量研究。通过计算机仿真模拟，逐时段地展现出水环境系统多变量之间相互作用、 相互影响的动态行为，模拟未来政策实施后的结果，从而对水环境与经济发展相 互关系的未来趋势进行其预测评估。这种方法的特点是通过一阶微分方程组来反 映系统各个模块的变量之间的因果反馈关系。在实用中，对不同的发展方案采用 系统动力学模型进行模拟，并对决策变量进行预测，将这些决策变量视为水环

20、境 承载力的指标体系，运用前述的综合评价方法进行比较，得到最佳的发展方案及 相应的承载能力。 1.4.4人工神经网络结合遗传算法 20世纪 80年代兴起的人工神经网络 （ Artificial Neural Network-ANN)具 有 非常强的非线性映射能力，它不需要任何先验公式就可以通过学习（或训练）自 动总结出数据间的函数关系，是一种有效的建模手段。人工神经网络可不必事先 假设数据服从什么分布，变量之间符合什么规律或具有什么样的关系，它采用类 似于 “ 黑箱 ” 的方法，通过学习和记忆而不是假设，找出输入（决策变量）与输 出（目标函数值 ） 之间的关系（映射），避免传统的建模方法所遇到

21、的瓶颈 p7。 遗传算法是以生物进化过程为背景，模拟生物进化的步骤，将繁殖、杂交、变异、 竞争和选择等概念引入到算法中，通过维持一维可行解，并通过对可行解的一维 组合，改进可行解在多维空间内的移动轨迹或趋向，最终走向最优解。它克服了 传统优化方法容易陷入局部极值的缺点，是一种全局优化算法。遗传算法和 BP 算法的结合，实现了优势互补 28。 目前，人工神经网络结合遗传算法己被广泛的应用到各个领域，汪朝军等人 291(1999)提出了一种改进的高效率遗传算法 ,将它与神经网络结合形成最优控制 器。其中神经网络实现对过程的在线辨识，遗传算法根据辨识结果得出最优输入 以实现最优控制，并将此最优控制器

22、用于铣销加工的过程的在线建模和实时最优 控制，最后给出了仿真和实验结果， 证实了该最优控制器在保证零件加工质量和 提高生产效率上的有效性。葛红等人 I3Q(1999)把神经网络模糊控制器的结构、变 结构的训练方法及改进的遗传算法有机的结合起来，不仅实现了隶属函数的自学 习也实现了规则的自组织，解决了模糊控制的一大难题；而且采用遗传算法实现 了结构和参数的快速、全局寻优，改善了原来的 BP算法易陷入局部寻优的缺点， 8 宁夏大学硕士学位论文 提高了寻优性能，较好地完成了系统参数的训练实现了对象的控制目标。肖专文 等 311(1999)将遗传 算法应用于神经网络，构成 GA ANN法，协同求解复杂

23、工程中的 优化问题。该方法既利用了神经网络的非线性映射、网络推理和预测的功能，又 利用了遗传算法的全局优化特性，可广泛地应用于目标函数难以用决策变量的显 函数形式来表达的众多复杂工程问题中。杨洪明等人 32 (2000)将遗传算法用于神 经网络结构的设计，建立了基于遗传算法的人工神经网络负荷预报模型。用遗传 算法设计网络结构，即用遗传算法来优化选择隐层数、隐层单元数、步长因子、 训练精度以及初始权值等参数。实例研究表明，预报结果是令人满意的。郭晓婷 33(2000)等人提出了一种基于遗传算法的前馈神经网络的自动化设计方法 (genetic multilayer neural network G

24、MNN)。 该方法给出了前馈神经网络的 编码方式，在适应值函数的设计中考虑了网络的结构、训练误差及网络的泛化能 力等因素，提高了网络结构空间和权值空间的搜索速度，容易得到全局最优解 4数据分析表 一级 / 二级 CODcr超标 氨氮超标 氨氮和 CODw超标 数目 22/21 16/14 12/10 百分比 61.1% 7 58.3% 44.4% / 38.9% 33.3%/27.8% (2) 氨氮按一级排放标准超标的排污口数是 16个，占总数的 44.4%;按二级排 放标准超标的排污口数是 14个，占总数的 38.9%;氨氮的超标情况虽然比 CODcr 的超标情况好一些，但氨氮对水体造成的危

25、害也不容忽视。 (3) 由于银川市局部地区承压水严重超采，遭受二、三级污染的潜水范围比重 较大，污水处理回用微乎其微，污水排放量逐年增加，水环境污染有不断加重的 趋势，应采取以下措施： 合理调整水价，提高农业用水的生产效率； 提高工 业用水的重复利用率，控制污染物的随意排放； 实现水资源统一管理、水资源 优化配置，不断提高水资 源开发利用综合效益； 严格控制用水量大，排污量大 的新企业上马。 2.2.1银川市水环境容量计算模型 为了客观的描述水体自净或污染物降解规律，较准确的计算出银川市排水 沟的水环境容量，本课题结合银川市的实际情况，根据排水量大小采用一维水质 模型进行计算。该模型主要适用于

26、宽深比较小，污染物在较短的河段内基本上混 合均匀，且污染物浓度在断面横向方向变化不大 ;或者是计算河段不长，横向和 垂向的污染物浓度梯度可以忽略的河段。通常情况下，对同一个水功能区划相应 的河段而言，污染物排放口不规则地分布于河流的不同断面，功能区水流断面的 浓度将所有排污口所生的浓度进行叠加得到，但考虑到此项工作的复杂性和课题 的本身的要求，将排污口在功能区内的分布加以概化，即认为污染物排放口在同 一功能区内沿河均匀分布。此概化实际上体现了污染物分布的一种平均状况，对 某一河段也许存在一定偏差，但却综合反映了若干河段污染物排放的一种平均状 态。据此可推算一维河道的水环境容量。具体计算公式如下

27、 （ 1) W = CS C exp(-KL/U) x (kg/d) (1) -exp(-KL/U) 宁夏大学硕士学位论文 或 W = 0.365 X 86.4 x C exP U x KV(t / a) l 一 exp(-KL/U) W 计算排水沟的水环境容量， kg/d; Q 排水沟设计流量， m3/s; Cs 排水沟水质目标值， mg/L; C 一排水沟上断面污染物浓度， mg/L; L 排水沟长度 ， km : K -污染物综合降解系数， cf1 ; U -排水沟平均流速， m/s。 2.2.2参数与控制因子确定 在河段水，环境容量计算中，参数的确定和取值是否符合客观规律直接关系到 计

28、算结果是否准 ?I合理，因此，参数的确定和取值是水环境容量计算中最为关键 的一步。 控制因子：根据污染源现状评价结果，本区域 CODcr和氨氮是污染最普遍、最 严重的两个因子，欲使银川黄河段水环境根本好转，必须严格控制其入河量。因 此，确定 CODcr和氨氮作为各排水沟水环境容量计算和污染物总量控制的首选因 子。 设计流量：设计流量是水文参数中最基本的参数，它不仅关系到其它水文参 数，而且在水环境容量计算中至关重要。经分析选用 1991 一 2000年最枯月平均流 量 44，采用 90%保证率下的设计流量（见表 2-1)。 流速 （ U):各排水沟的流速，是根据 90%保证率下设计流量得出的枏

29、应流速。 经实地测算各排水沟的流速范围为： 0.09-0. 18m/s (见表 2-1)。 综合降解系数 （ K):综合降解系数反映了污染物在水体作用下分降速度的快 慢。许多科学实验和研究表明，降解系数不但与河流的水文条件，如流量、流速 河宽河深泥沙含量等因素有关，更为重要的是降解系数还与河道的污染程度有 关。其计算公式如公式 （ 2) 44: K = S6.4x n- (2) X CB 式中： 人工神经网络结合遗传算法在城市水环境极限承载力中的应用研究 K 污染物综合降解系数， d CA、 CB- 上、下游断面污染物的浓度， mg/L; U - 平均流速， m/s; X 上、下断面距离， K

30、m。 分别在五条排水沟上选取无排污口沟段的上、下游断面进行取样，化验污 染物的浓度，根据实测的流速、距离，利用公式 （ 2) 对各沟的 K值分别进行计 算，其结果见表 2-4。从表中可看出 CODcr的降解系数范围为 0.35-0. 44d氨氮的 降解系数范围为 0.26 0.33d 1。 表 2-4各排水沟的 K值 排水沟 银新沟 第二排水沟 第四排水沟 第五排水沟 中干沟 CODcr 0. 38 0. 35 0. 38 0.44 0.37 氨氮 0.33 0.30 0. 32 0. 26 0. 33 计算河段背景浓度 （ C。） ：依据河流污染控制浓度 “ 零污染原理 ” 认为排水 沟源头

31、水符合国家地面水 III类标准。 制断面浓度 （ Cs) . 为了能够科学合理的对主要排水沟和直接将污染物排入 黄河的企业进行污染物总量削减，我们对排污控制区分别采用地面水环境标准 (GB3838 88) III类， V类标准、污水综合排放标准 （ GB8978 1996)中 一级标准、二级标准进行水环境容量计算，以便比较确定出最符合宁夏实际并有 操作性的水环境容量。具体标准见表 2-5。 表 2-5不同标准控制下断面浓度 Cs值 单位： rag/L 标准 CODcr 氨氮 地面水环境质量标准 m类 15 0. 5* 地面水环境质量标准 V类 25 1.5* 污水综合排放一级标准 100 15

32、 污水综合排放二级标准 150 25 *一一氨氮采用国家统一指定的标准值 20 宁夏大学硕士学位论文 2.23计算结果 根据公式 （ 1)及上述己确定的各参数分别计算出不同标准下各排水沟的水 环境容量（见表 2-6): 表 2-6各排水沟水环境容量计算成果表 _ _ 单位： kg/d 水 质 标 准 地 面 水 环 境 质 地面水环境质量 污水综合排放一 污水综合排放二 沟道名称 置标准 m类 标准 V类 级标准 级标准 CODcr 氨氮 CODcr 気氣 CODer 氨氣 CODcr 氨氮 银新沟 1912 56.5 3186 169.5 12301 1668 19124 2817 中干 沟

33、 767 23.9 1278 71.8 4932 709 7661 1195 第 二 排 水 1 34 1 38.2 2235 115 8742 1138 13388 1911 沟 第四排水 6412 181.0 10687 542.9 41630 5366 63961 9028 沟 第五排水 2115 42. 3 3525 126.8 14086 1265 21142 2111 沟 合计 12547 341.9 20911 1026 81691 10146 125276 17062 2.3.结果分析 为了便于对比分析现将各排水沟实际排污量与污水综合排放一、二级标准下 水环境容量列于表 2-7

34、。 表 2-7各排水沟实际排污量与污水综合排放一、 二级标准下水环境容量单位 : kg/d 沟名 实际 CODcr排 C 0 D c r标准容量 实际氨氮排 氨氮标准容量 放量 -级 /二级 放量 一级 /二级 中干沟 104079 4932/7661 11192 709/1195 银新沟 104323 12301/19124 4102 1668/2817 第四排水沟 48426 41630/63961 11844 5366/9028 第五排水沟 10134 14086/21142 81.8 1265/2111 第二排水沟 4167 8742/13388 629 1138/1911 从表 2-

35、7中可计算出中千沟、银新沟、 CODcr分别为污水综合排放二级标准 下水环境容量的 13. 6倍和 5. 5倍；中干沟、银新沟、第四排水沟氨氮的实际排 放量分别为污水综合排放二级标准下水环境容量的 9. 4、 1.5、 1.3倍。经实地调 査，造成银川市 CODci 入沟量大的原因主要是造纸厂多而且污水量大、污染物浓 度高，最高浓度可达 11300mg/l,如果这些企业加大污水处理力度，小造纸厂关 2-1 人工神经网络结合遺传算法在城市水环境极限承载力中的应用研究 停，加之在建的第一、第二污水处理厂的运行，相信 CODcr的排放量会大大减少。 氨氮的污染情况虽然略好于 CODcr但 是削减的工

36、作更难，其一是目前的水处理技 术条件下氨氮无法降解，二是银川的面污染源很广，尽管目前实行节水灌溉，排 水量逐年减少，但要在短期内完全达到规定标准确有难处。 21世纪是我国加强环境治理的有利时机，目前国家在环保方面投资力度不 断加大，尤其水资源短缺、水环境污染已引起全民关注的政府的高度重视，在这 样的大环境下我们相信银川市一定会加大污水治理的力度，将排污量控制在水环 境容量之内。 22 宁夏大学硕士学位论文 3.人工神经网络结合遗传算法在城市水环境极限承载力中的应用研究 城市水环境承载力的研究是一项复杂的系统工程，这是因为城市水环境承载 力与城市人口规模、消费压力、污染物种类、污染程度以及人类社

37、会、经济活动 等因素之间存在着极其复杂的非线性关系，就是在各个因素之间也是相互作用、 相互影响，因此如果从分析这些相关关系出发对城市水环境承载力进行研究是难 以实现的，另外随着国民经济、社会的发展，城市水环境承载力所要考虑的因素 及它的指标体系日趋复杂化，非线性化、高维化、精确化的特点越来越突出，传 统的算法，如综合指标法、系统动力学方法、（非 ） 线性规划等都难以满足其技 术要求，因此，亟待新的理论、方法的出现。 人工神经网络能够很好的解决各类非线性问題，而遗传算法对人工神经网络 的优化能够加速模型的收敛速度，避免了人工神经网络暴露出来的问題，因此具 有广阔的应用前景 本文把人工神经网络结合

38、遗传算法应用与城市水环境承载力 的研究，较为新颖 # 3.1人工神经网络特点简介 神经网络系统理论是近年来人工智能的一个前沿研究领域，是基于连接机 制的大规模并行处理和分布式的信息存储，依靠大量神经元的联接以及这种联接 所引起的神经元不同兴奋状 态和系统所表现出的总体行为，更加接近人脑的处理 模式 _ 。 人工神经网络 （ ArtificialNeuralNetwork-ANN)是目前国际上的前沿交叉学 科，是借助人脑和神经系统存储和处理信息的某些特征抽象出来的一种数学模 型。神经网络模型属于集中参数模型，它可以对信息进行大规模并行处理；具有 自组织、自适应和自学习能力，以及具有非线性、非局域

39、性等特点；而且善于联 想、概括、类比和推理，能从大量的统计资料中分析提炼实用的统计规律 与传 统的计算机局部信息处理方式不同，神经网络是用大量神经元之间的联结及对各 种参数和联结权值的分布来表示特定的概念和知识 在进行知识获取时，它只要 求专家提供问题的实例及相应的解，通过特定的神经网络学习规则及方法对样本 进行学习，经过网络内部自适应算法不断的修正权值和阈值，直至达到所需要的 学习精度，把专家求解问题的启发式知识与经验分布到网络的各个节点间的参数 23 人工神经网络结合遗传算法在城市水环境极限承载力中的应用研究 和连结权值上。对于特定的输入模式，根据神经网络并行推理的基本原理，通过 比较得到

40、各个输出节点和本身的信号，在这个过程中其余的解同时被排除。 3. 1. 1 BP网络分析 3.1.1. 1 BP网络的原理及学习算法 目前，在人工神经网络的实际应用中，决大部分的神经网络模型是采用 BP 网络和它的变化形式。 BP网络是由 Rumelhart和 Mcculland组成的 PDP小组 (Parallel Distributed Processing) 于 1985提 出 的 误 差 反 向传 播 算 法 (Back-Propagation Network, 简称 BP网络）。 BP网络是一 种多层前馈网络，通 常由输入层、输 出层和若干隐含层构成，层与层之间的神经元采用全互连的连

41、接 方式，每层内的神经元之间没有连接。它是前馈网络的核心部分，并体现了人工 神经网络最精华的部分。 BP学习算法的基本思想是最小二乘学习算法，或称 LMS(Least Mean Squares)算法。它的核心是运用链导数法则森误差函数对连接 权和阈值的一阶导数自输出层反向传播到输入层，然后由这些导数按梯虔下降发 修改权和阈值。 BP网络是目前应用最广泛的神经网络模型。它的学习规则就是 通过反向传播 （ BP)来调整网络的权值和阈值使误差平方和最小。 BP网络具有 强大的非线性映射能力和泛化能力，任一连续函数或映射均可采用三层网络加以 实现。它主要用于函数逼近、模式识别、分类、数据压缩等问题的研究。 BP网 络的学习由四个过程组成，即：输入模式由输入层经中间层向输出层的 “ 模式顺 传播 ” 过程；网络的希望输出与网络的实际输出之差的误差信号由输出层经中间 层向输入层逐层修正连接权的 “ 误差逆传播 ” 过程；由 “ 模式顺传播 ” 与 “ 误差 逆传播 ” 的反复交替进行的网络 “ 记忆训练 ” 过程；网络趋向收敛即网络的全局 误差趋向极小值的 “ 学习收敛 ”过程。简言之，就是由 “ 模式顺传备 ” “