论文部分内容阅读
水资源对于人类的生产和生活都是不可缺少的重要自然资源,同时在现代的经济可持续发展中也占有重要作用。而随着经济的不断快速发展及人口的迅速增加,使得水资源的消耗也呈刚性的增长。北京市本身就是一个缺水城市,而北京是中国的首都,是文化、经济、政治的核心,建立完善的水系统、合理优化配置水资源对促进北京稳定、持续的发展具有重要的意义。
因子分析是一种对高维数据进行降维的方法,降维后得到的数据保存原有数据的主要信息,这样使得数据更加容易处理,并且也会提高对数据的分析效率。BP神经网络是一种具有自组织、自适应、自学习、容错性等优点的反向传播算法,一般主要由输入层、隐含层和输出层组成,但是存在的缺点在于经常对于训练大样本时会出现训练速度降低,也会引起隐含层节点数相应增多,从而使得模拟效果不够理想。本文将因子分析和BP神经网络算法相结合,用因子分析法将数据降维后再进行BP神经网络的模拟,以北京年需水量为例,建立模型进行训练模拟。
本文主要有以下几个部分:
1.认真总结了因子分析方法及BP神经网络的理论知识,同时也介绍了其他用于预测水资源预测的方法,以及对BP神经网络隐含层节点数的确定方法进行了系统总结。
2.利用因子分析方法对主要影响年需水量的数据进行了降维,提取出主要的四个影响因子。
3.将因子分析方法得出的四个主要影响因子作为BP神经网络的输入样本,并建立模型,编写BP程序,确定隐含层的节点数,训练模拟。
结果表明,将因子分析方法和BP神经网络算法这两种方法结合,得到的结论是:(1)通过因子分析降维后的数据,再利用BP神经网络方法训练的收敛速度更快,而且也很大的降低了运算的时间。(2)从预测的结果看,两种方法的结合使得预测的结果的精确程度提高。