BP神经网络预测原理

BP神经网络法预测原理BP网络(Back Propagation)是一种按误差逆传播算法训练的多层前馈网络，其本质是将误差向着逐渐变小的方向调整，网络结构如图1所示。3层神经网络由三部分构成：输入层、隐含层和输出层，除了本层神经元之间不相互连接，层与层间的神经元均互相连接。输入层隐含层输出层图13层BP神经网络结构图假设有N个不同的输入：(=1,2，…，N),w:为神经元之间的连接权值，b为阈值，f为传输函数，y为输出，网络表达式可表示为：(1)y=f∑xw,+b)ia其中，传递函数f主要采用硬极限传递函数(hardlim),线性传递函数(purelin)和对数型传递函数(1ogsg)。根据其预测原理，BP神经网络算法的预测流程图如图2。开始输入数据集数据顶处理划分训统样本与预测样本BP神经网络预测参数优化顶测风功率预测评价结束图2ELM的预测流程图