基于BP神经网络模型的土地征收项目社会稳定风险评估研究
【图文】:
9 0.063 0.049 -0.045 -0.24010 0.061 -0.053 -0.087 0.34111 0.069 -0.073 -0.040 -0.05212 0.067 -0.048 -0.043 0.11313 0.014 -0.203 0.039 0.14714 0.022 -0.059 0.279 0.17615 0.065 -0.007 -0.119 -0.12916 0.044 0.123 0.089 0.12417 0.064 -0.064 0.052 0.30318 0.066 -0.049 0.123 -0.03419 0.039 0.178 0.078 0.02620 0.040 0.176 0.079 0.07521 0.051 0.127 0.028 0.31722 0.062 -0.002 -0.100 -0.17223 0.053 -0.099 0.095 -0.40124 0.062 0.084 -0.004 -0.111
哈尔滨工程大学硕士学位论文4.4.2 BP 神经网络训练过程为了达到更精确的学习,BP 神经网络 Ir 暂时将数值固定在 0.09,将最大迭代次数定在 10000 次,,最终将精确度准确的控制在 10-3。学习速率 Ir 对网络性能影响比较大。中间层节点数和网络学习速率会对网络性能造成较大的影响,若选择适当的学习速率可以提高模型的准确程度。其中,网络学习效率的设置尤为重要,都会影响最终的预测准确程度。此文章在中间层的基础上选取了不同程度的学习速率进行预测,最终的出学习速率的区间在 0.08-0.11 误差会呈现倒 U 的趋势,选取 0.5 的学习速率时,BP 神经网络误最小为 0.000733472。其仿真结果分别如图 4.2、图 4.3、图 4.4、图 4.5 所示,最后分析得到学习速率筛选表(见表 4.12)。
【学位授予单位】:哈尔滨工程大学
【学位级别】:硕士
【学位授予年份】:2018
【分类号】:D631.4
【参考文献】
相关期刊论文 前10条
1 曾小红;;人工神经网络法在相平衡计算中的应用[J];江西化工;2015年05期
2 赵虎林;;风险矩阵方法在电力建设项目社会稳定风险评估中的应用[J];红水河;2015年01期
3 王良健;陈小文;刘畅;张特;周志武;朱石牛;;基于农户调查的当前农村土地征收易引发的社会稳定风险评估研究[J];中国土地科学;2014年11期
4 王力;胡春梅;祝玉坤;;我国“土地红利”的生成与分配机制探析——基于农村土地制度改革创新视角[J];农村金融研究;2014年10期
5 王旭熙;刘邵权;彭立;苏春江;马宇翔;王小兰;;城镇化进程中失地农民征地补偿满意度研究——以成都周边典型区域为例[J];广东农业科学;2014年15期
6 曹峰;邵东珂;李贺楼;彭宗超;薛澜;;我国社会稳定风险治理的评估框架与方法——基于社会生态系统的“环境—行为”视角[J];经济社会体制比较;2014年04期
7 孙德超;;重大事项社会稳定风险评估指标体系的构建及运行[J];哈尔滨工业大学学报(社会科学版);2014年01期
8 黄德春;张长征;Upmanu Lall;徐敏;;重大水利工程社会稳定风险研究[J];中国人口.资源与环境;2013年04期
9 郑涛;卢梅;孙莹莹;张文敏;;土地征收中社会稳定风险动态管理模型研究[J];商业时代;2013年03期
10 丁宁;金晓斌;李珍贵;唐健;胡静;周寅康;;征地社会稳定风险评估规范化研究[J];中国土地科学;2013年01期
相关博士学位论文 前1条
1 金细簪;征收权模式下的抵制行为研究[D];浙江工业大学;2013年
相关硕士学位论文 前7条
1 杨晨;土地征收社会稳定风险评估体系规范化研究[D];天津商业大学;2017年
2 米巧;昌吉州被征地农民生活水平变化及满意度研究[D];新疆农业大学;2016年
3 夏爽;安普大桥施工安全风险管理研究[D];北京交通大学;2016年
4 黄震;基于BP神经网络模型的中国P2P借款人信用风险评估研究[D];北京交通大学;2015年
5 李鑫;土地征收社会稳定风险影响因素实证研究[D];哈尔滨工程大学;2014年
6 吴美颖;征地拆迁引发的群体性事件及其对策研究[D];中国海洋大学;2012年
7 崔红;土地征收程序研究[D];中国海洋大学;2008年
本文编号:2685002
本文链接:https://www.wllwen.com/shekelunwen/gongan/2685002.html