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