目录
1 BP神经网络的优缺点及优化
1.1 BP神经网络的优点
由于预测的随机性和不确定性,传统的回归分析、数理统计等方法往往难以达到理想的预测效果。BP神经网络(Back一Propagation Network,BP)是人工神经网络(Artificial Neural Network,ANN)中应用最为广泛的神经网络模型之一,具有较强的非线性映射能力、鲁棒性、容错性和自适应、自组织、自学习等许多特性,在水文预测预报中具有广泛应用。
1.2 BP神经网络的缺点
然而,在实际应用中,BP神经网络的初始连接权值、阂值的选取对于BP神经网络性能具有关键性影响,若初始连接权值、阂值选取不当,则易导致BP神经网络陷入传统固有的缺陷——收敛速度慢和易陷入局部极值。
1.3 BP神经网络的优化
目前常用于BP神经网络初始连接权值、阂值优化的智能方法主要是遗传算法(Genetic Algorithm,GA)、粒子群优