基于BP神经网络--预测空气中PM2.5浓度

基于BP神经网络–预测空气中PM2.5浓度

BP神经网络

BP神经网络包括输入层、隐藏层和输出层。BP神经网络示意图：

隐藏层的选取

H= sqrt(m + n) + a

H 为隐藏层的节点数，m为输入层的节点数，n为输出层的节点数，a为1-10之间的调节常数

正向传递过程

当输入一个样例后，获得该样例的特征值，再根据权向量得到感知器的输入值，然后使用激活函数sigmoid计算出每个感知器的输出，在将此输出作为下一层感知器的输入，以此类推。

BP神经网络使用梯度下降，通过反向传播过程来不断调整网络的权重和阈值，使误差平方和最小。
BP网络中每个神经元的映射关系如下：

对于隐藏层的第i个神经元的计算方法：