遗传算法优化神经网络在供水管网中的应用

目录

第一章 绪论

1.1管网状态模拟的作用

1.2管网状态模拟存在的困难

1.3管网状态模拟的研究方法

1.3.1微观模型

1.3.2宏观模型

1.4本文的主要内容

第二章 遗传算法介绍

2.1遗传算法简介

2.1.1标准遗传算法的实现过程

2.1.2遗传算法的优缺点

2.2遗传算法的操作流程和步骤

2.2.1操作流程

2.2.2操作步骤

2.2.3操作流程图

2.2.4群体设定

2.2.5遗传算法的基本操作

2.3遗传算法在神经网络中的探讨

2.3.1遗传算法在网络学习中的应用

2.3.2.遗传算法在网络分析中的应用

2.3.3收敛性

2.3.4网络分析中遗传算法的适应度函数

2.3.5适应度函数与问题约束优化处理

2.4 小结

第三章 BP神经网络模型概况及其改进

3.1人工神经网络方法简介

3.1.1神经元基本原理

3.1.2神经元基本模型

3.1.3神经网络的类型

3.2反相传播学习算法

3.2.1 BP算法的原理

3.2.2前馈（多层）神经网络的简介

3.2.3 BP算法理论过程

3.2.4梯度下降求解参数过程

3.3 BP算法不足与改进

3.3.1 BP算法缺点

3.3.2 BP算法的改进

3.4 BP网络建模

3.4.1 BP网络层数的确定

3.4.2各层神经元数目的选取

3.4.3 数据预处理

3.4.4 激励函数的选取

3.4.5合理的期望误差

3.4.6 网络误差曲线

3.5 小结

第四章 基于遗传算法的神经网络优化的探讨

4.1神经网络与遗传算法之间的联系

4.1.1神经网络为什么需要遗传算法

4.1.2遗传搜索技术为什么需要神经网络

4.1.3系统学习与进化之间的交互作用

4.2遗传优化神经网络网络权值

4.2.1 GA用于多层神经网络训练

4.2.2自适应遗传算法的网络训练

4.3 神经网络自动设计

4.3.1神经网络设计的几种方法

4.3.2 遗传优化神经网络进化方法

4.3.3应用遗传算法设计神经网络结构步骤

4.4 小结

第五章 遗传神经网络模型模拟管网的探讨与应用

5.1管网状态模拟基于遗传自适应BP神经网络的程序实现

5.1.1 影响管网压力的因素及处理

5.1.2 Box- Jenkins 预测方法

5.1.3优化神经网络结构实现

5.1.4 遗传自适应BP神经网络的训练学习过程

5．2 广州市供水概况介绍

5.2.1城区简介

5.2.2广州市供水概况

5.3 遗传自适应BP神经网络管网状态模型的建立

5.3.1两种供水系统实用仿真模型的建立

5.3.2网络建模参数的确定

5.3.3第一个模型具体分析

5.3.4第二个模型具体分析

5.3.5两个模型的对比分析及结论

5.4 小结

第六章 结论与展望

6.1结论

6.2进一步研究的探讨和总结

参考文献

声明

致谢