论文部分内容阅读
针对BP神经网络自身缺陷，利用Levenberg-Marquardt算法改善网络训练过程，并在地下水质量标准中采用随机插值生成样本，改进了网络训练样本过少和没有测试样本的问题。对三种样本获取模式下网络的训练结果进行对比，结果表明：在直接利用地下水质量标准作为样本模式下，网络无法收敛；利用linspace函数线性内插生成样本模式下，网络虽能很快收敛，但泛化能力差；利用rand函数随机插值生成样本模式下，当最优隐含层节点数为5时，网络正常收敛，测试样本相对误差均〈2％，网络泛化能力良好，精度较高。最后应用构建