#BP神经网络的应用（01）

paper-01

#BP神经网络的应用（01）

读文献《覃茂森_BP神经网络在一维降雨入渗深度的仿真应用》笔记

养成论文笔记好习惯

分析论文之前首先介绍两个概念。主成分分析（PCA）和BP神经网络。
1、主成分分析
当数据多维度时，会增加模型的复杂度，于是我们采用主成分分析法进行 “数据降维”，简化数据结构。将多变量转化成少数几个综合变量。
2、BP神经网络
BP网络（Back Propagation），是1986年由Rumelhart和McCelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。
BP神经网络 分为“输入层–隐藏层–输出层”
每一层包含多个节点，将其称之为神经元。

文章介绍：

首先采用主成分分析法（pca）对影响降雨的入渗深度的因素，进行降维处理，
文章选取的实验数据：

通过主成分分析计算得出：降雨强度与降雨总量的贡献度最大，于是得到主成分特征向量，将其作为BP神经网络的输入。

本文采用人工模拟降雨入渗实验所得的100组数据作为数据，12组数据作为训练集。BP神将网络隐含层节点选取11个，传递函数选择tan-sigmod.通过实验证明，预测值与实际值的最大误差在4.69%。

第一篇读论文笔记就到这里啦。
《覃茂森_BP神经网络在一维降雨入渗深度的仿真应用》。