人工神经网络的数学模型建立及成矿预测BP网络的实现

发布时间：2017-05-02 17:10

  本文关键词：人工神经网络的数学模型建立及成矿预测BP网络的实现，由笔耕文化传播整理发布。

【摘要】：本文是在完成国家地质实验中心2002年基于GIS的多源地学信息整合处理技术算法设计子课题基础上完成的。主要研究人工神经网络数学模型和计算方法的计算机程序实现，为实现复杂地质信息的非线性整合处理提供技术支持。 人工神经网络(Artificial Neural Network，简称ANN)是一种大规模自适应非线性动力学系统，能实现非线性映射、模式识别、函数逼近、聚类分析、数据压缩、优化设计等功能，同时又具有很强的稳定性、收敛性、鲁棒性等良好性质，在各种信息处理领域有着广泛的应用。 地质工作中存在着大量的非线性问题，对地质勘探资料进行综合分析与分类，，准确预测矿产资源的储量和分布等都涉及到多资料的整合处理，因此研制理想的非线性整合处理方法是非常必要的，而人工神经网络的一些良好特性，恰好能满足地质工作的需求，因此越来越多的人把研究工作的重点纷纷转向基于人工神经网络的非线性数学模型，以期更好地解决地学中的复杂问题。 目前，这方面的研究已有了部分成果，但大多只局限于应用一种固定的网络模型来解决某一具体的应用，还远远不能满足地质勘探的多种需求，本课题的研究目的就是要建立多种网络模型，并在算法实现过程中使其具有通用性，以满足各种应用的需要。 本文的具体工作首先是对人工神经网络的三种常用模型—Bp网、Hopfield网和Kohonen网的拓扑结构和学习算法进行了深入的研究，特别的还针对BP网引入RPROP(弹性BP)算法，对传统BP算法进行了改进；其次，本文论述了用Visual C++实现这几种网络的过程；文中还实现了BP网络的通用算法，建立了矿产资源综合评价及成矿预测BP模型，使用户可以自己创建、设计和管理成矿预测BP模型。 目前人工神经网络有三种常用网络模型：BP网、Hopfield网和Kohonen网。 BP网络(Back Propagation Networks，BP)是一种层状结构的前馈神经网络，具有非线性映射功能。由输入层、隐层和输出层组成，层内各神经元无连接，层间无反馈，信号沿同一方向从输入层经隐层传输至输出层。学习算法采用梯度搜索技术，使全局代价函数最小化，并据此调整连接权重，从而获取知识，并存储于层状网络的连接权中。它使网络具有知识结构严谨，推理机制高效和敏捷等特点。常用于进行函数逼近、模式分类、数据压缩等。 Hopfield网则是一种反馈网络，又称为自联想记忆网络，具有非线性动力学系统的许多优良特性。常见的结构为仅有一层神经元，各神经元间实现全反馈；其学习过程为设计一个网络，存储一组平衡点，使得当给网络一组初始值时，网络通过自行运行而最终收敛到所存储的某个平衡点上。此种网络主要用于联想记忆、模式分类、模式识别等。 Kohonen网是一种竞争式学习网络，它是模拟大脑神经系统的自组织特征 吉林大学硕士学位论文 瓢犷丙死可药而iion一瓦atur。Map)功能作为网络的学习方案，因此也称为 SOM网络。其拓扑结构为:一个输入层，一个输出层，输出层节点以二维形式 排成一个节点矩阵，输出节点之间可能实现局部连接，输入节点与输出层的所 有节点通过权值实现全互联;它的基本思想是网络竞争层神经元竞争对输入模 式的响应机会，最后仅有一个神经元成为胜利者，并对那些与获胜神经元有关 的各连接权朝着更有利于它竞争的方向调整，这一获胜神经元表示对输入模式 的分类。常用其进行无模式分类、聚类分析、优化设计等。 BP网是人工神经网络中应用最为广泛的网络模型，也是人们研究得最多的 一种模型，在最基本的误差逆传播学习算法的基础上，人们又陆续提出了各种 优化的算法，如基于全局速率调整的加入动量项、渐进自适应等方法和基于局 部学习速率调整的符号变换等方法，以满足不同应用的需求。本文针对地质勘 察资料数据的结构特点及其分类要求，对BP网进行了改进，使其更好的满足 在地学中的应用。对BP网的改进主要有以下几点: 1.引入弹性BP算法对网络权值和闽值进行自适应修正，以克服传统算法 中固有的学习收敛速度慢、容易陷入局部极小等问题。 2.对BP网来说，隐层节点数的选择对网络的性能影响很大，但如何选择 目前并没有理论的指导，也没有好的解析式来表示。数目过多会使学习时间变 长，数目过少会导致网络不强壮、识别能力差。为解决这一问题，我们在网络 结构上也进行了适当调整，如各层神经元数目在学习过程中可随意设定，隐含 层神经元的激活函数的类型也可自由选择，这样无论何种样本，通过多次调整 隐层神经元数目和改变激活函数的类型，总能找到一个最优(稳定)的网络模 型和最快的学习速度，提高了系统的通用性。 3.对输入样本进行归一化处理，使得过大或过小的样本输入值不至于令 神经元过于饱和或截止，而恰好能落在神经元转移函数梯度最大的那些区域， 保证学习能够收敛。 文中实现了BP网络的通用算法，建立了矿产资源综合评价及成矿预测BP 模型，从而可以对成矿信息进一步进行智能化知识发现和信息挖掘，自动评估 各地质变量对成矿的贡献，得到区域性的成矿规律和成矿模式，并圈定出成矿 靶区。并提供友好的人机交互式界面，使用户可以自己创建、设
【关键词】：神经网络(ANN) 成矿预测BP模型
【学位授予单位】：吉林大学
【学位级别】：硕士
【学位授予年份】：2004
【分类号】：TP183
【目录】：

• 第一章 绪论6-10
• 1.1 人工神经网络的发展及现状6
• 1.2 人工神经网络地学应用概述6-9
• 1.3 本论文研究的问题9-10
• 第二章 人工神经网络模型简介10-18
• 2.1 人工神经网络的简介10-11
• 2.2 BP网络模型11-14
• 2.2.1 BP网简介11-12
• 2.2.2 BP网络拓扑结构12
• 2.2.3 BP网络的工作原理及过程12-13
• 2.2.4 BP算法流程13-14
• 2.3 Hopfield网络模型14-15
• 2.3.1 Hopfield网络简介14
• 2.3.2 离散型Hopfield网络拓扑结构14
• 2.3.3 网络的工作原理及过程14-15
• 2.3.4 网络权值的学习规则15
• 2.4 Kohonen网络模型15-18
• 2.4.1 自组织竞争神经网络简介15-16
• 2.4.2 Kohonen网络拓扑结构16-17
• 2.4.3 Kohonen网的工作原理及过程17
• 2.4.4 网络权值的学习规则17-18
• 第三章 基于弹性BP算法的BP网设计与实现18-29
• 3.1 BP网络结构的设计18-19
• 3.2 BP网的实现过程19-27
• 3.2.1 网络初始化及数据定义19-22
• 3.2.2 BP网络学习公式推导22-24
• 3.2.3 采用弹性BP算法计算权值W、偏差b的修正值ΔW，Δb24-26
• 3.2.4 计算修正权值W、偏差b26
• 3.2.5 BP网络学习成功结束条件26-27
• 3.3 BP网的优化27-28
• 3.4 BP网络应用预测的实现28-29
• 第四章 Hopfield网设计与实现29-36
• 4.1 Hopfield网结构的设计29
• 4.2 Hopfield网的学习规则-权值的正交化29-33
• 4.2.1 正交化权值的计算公式的推导30-31
• 4.2.2 样本的收敛性证明31-33
• 4.3 Hopfield网络学习的实现33-35
• 4.4 Hopfield网预测应用的实现35-36
• 第五章 Kohonen网设计与实现36-42
• 5.1 Kohonen网结构的设计36
• 5.2 Kohonen网的学习规则-自组织竞争法36-39
• 5.3 Kohonen网学习的总体算法39-40
• 5.4 Kohonen网预测总体算法40-42
• 第六章 成矿预测BP网络的实现42-50
• 6.1 成矿预测BP网络模型42-43
• 6.1.1 BP模型设计42-43
• 6.1.2 BP模型运算43
• 6.2 成矿预测BP模型的实现43-50
• 6.2.1 BP算法的主要参数44
• 6.2.2 BP算法的实现函数44-50
• 第七章 全文总结50-52
• 参考文献52-56
• 发表论文及参加项目56-57
• 致谢57-58
• 摘要58-60
• Abstract60-62

【引证文献】

中国期刊全文数据库 前1条

1 吴华平;赵江南;;个旧高松矿田多成矿地质因素BP网络成矿预测[J];桂林理工大学学报;2013年01期

中国硕士学位论文全文数据库 前10条

1 杨开宁;模拟酸雨对叶菜类蔬菜影响评价模型研究[D];吉林大学;2011年

2 李斌;基于模式识别技术的眼科疾病辅助诊断系统的研究[D];吉林大学;2011年

3 李靖;基于BP神经网络的水力旋流器工作参数的预测研究[D];武汉理工大学;2006年

4 王忠文;统计学习理论及其在地学中的应用研究[D];吉林大学;2007年

5 乔璐;哈尔滨城区土壤高光谱特性与TM遥感的定量反演[D];东北林业大学;2010年

6 刘剑锋;基于共享信息的新型辅助医疗智能诊断系统[D];吉林大学;2012年

7 张书欣;生物信息学若干问题研究报告[D];吉林大学;2012年

8 杨维;大学生人格与其学习绩效关系研究初探[D];云南大学;2012年

9 彭皎龙;改进蚁群聚类算法优化的RBF神经网络控制研究及其应用[D];郑州大学;2013年

10 高曼珂;功能陶瓷高效精密CMP抛光工艺优化与决策技术的研究[D];湘潭大学;2012年

  本文关键词：人工神经网络的数学模型建立及成矿预测BP网络的实现，由笔耕文化传播整理发布。

本文编号：341341