新息递补多层非线性映射神经网络模型需水预测方法

摘要

新息递补多层非线性映射神经网络模型需水预测方法，涉及一种水量预测的方法，该方法为多层非线性映射网络属于静态网，采用最小均方差学习方式，在使其评价函数最小化过程中，完成输入信号到输出信号的映射，它由一个输入层、一个输出层和一个或多个隐蔽层组成，各层次的神经元之间单向全互联连接，学习阶段采用误差方向逐层传播到输入层，工作阶段维输入矢量逐层正向传播到输出层，是一种由非线性变换单元组成的前馈型网络。BP神经网络具有大规模并行处理、鲁棒性好、运算方便、学习能力强等优点，且其模拟能力特别强，所以用它预测需水量是完全可行的。