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.
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