基于遗传学习算法和BP算法的神经网络在矿坑涌水量计算中的应用

基于遗传学习算法和BP算法的神经网络在矿坑涌水量计算中的应用

本文采用遗传学习算法和误差反向传播算法(BP)相结合的混合算法来训练前馈人工神经网络(BPN),即先用遗传学习算法进行全局训练,再用BP算法进行精确训练,使网络收敛速度加快和避免局部极小.作为实例,本文将该方法运用于多维时序问题.根据山东省黑旺铁矿的矿坑充水条件建立了一个网络,以矿坑充水的各种控制因素相关资料作为样本,对网络进行训练并用训练好的网络预测矿坑涌水量.网络的训练速度及预测结果表明,该算法收敛速度较快,预测精度很高,为矿坑涌水量预报提供了一种新思路和新方法.

作 者： 周翔 朱学愚 文成玉 陈崧 ZHOU Xiang ZHU Xue-yu WEN Cheng-yu CHEN Song   作者单位： 周翔,朱学愚,陈崧,ZHOU Xiang,ZHU Xue-yu,CHEN Song(南京大学地球科学系,江苏南京,210093)

文成玉,WEN Cheng-yu(水利部小浪底水利枢纽工程建设管理局,河南洛阳,471000) 

刊 名： 水利学报  ISTIC EI PKU 英文刊名： JOURNAL OF HYDRAULIC ENGINEERING  年，卷(期)： 2000 ""(12)  分类号： P333  关键词： 人工神经网络   遗传算法BP算法   黑旺铁矿   矿坑涌水量  

【基于遗传学习算法和BP算法的神经网络在矿坑涌水量计算中的应用】相关文章：

基于BP和RBFNN的神经网络算法在瓦斯预测中的应用及比较04-27

基于BP神经网络和遗传算法的补燃室优化设计04-28

基于BP神经网络的降雨充水矿井涌水量预测04-27

基于BP网络和遗传算法的波阻抗混合反演04-27

遗传算法改进的BP神经网络在混沌径流时间序列预测中的应用04-28

遗传BP算法在预测深厚软基沉降中的应用04-26

遗传算法在边坡数值计算中的应用04-27

模拟退火遗传算法在灌溉水量最优分配中的应用04-27

基于自适应遗传BP算法神经网络数据融合的空中目标识别04-29

基于遗传算法CSAMT反演计算研究04-27