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

摘要：

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.

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

分类号：P333(水文科学（水界物理学）)

资助基金：中国科学院资助项目49772162

在线出版日期：2004-01-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：59-63