免费下载
网站简介

找论文变得更简单!

帮找论文

当前位置:

重点论文网    理科论文    信息与计算科学论文    基于BP算法的多金属结核覆盖率分布预测模型研究
创建时间:11-13

基于BP算法的多金属结核覆盖率分布预测模型研究

 

摘  要
多金属结核是一种蕴藏量巨大的矿产资源,它广泛分布于大洋海底,分布很复杂,受到多种因素的非线性影响,导致多金属结核在海底的分布呈现出拟随机性,因而,多金属结核分布问题的研究属于非线性范畴。本文利用人工神经网络中的应用最为广泛的BP网络,建立控制多金属结核分布的地质因素经度、纬度、水深、坡度与其覆盖率分布之间的预测模型。隐含层神经元个数的确定,传递函数、训练函数、学习函数的选择,推广能力的提高,控制了所建网络的优劣。最终确定了4-5-1的网络结构,隐含层中的神经元传递函数采用tansig函数,输出层神经元传递函数采用purelin函数,训练函数选择traindgx函数,学习函数选择默认learngdm函数,提高推广能力的方法采用“提前停止”法。最终训练成一个较有预测价值的网络,对未探区进行了预测。

关键词:BP神经网络  隐含层个数 推广能力 结果回归分析 平面等值线
 

Study on the coverage of polymetallic nodules and predict model based on BP algorithm


Abstract
Reserves of polymetallic nodules is a great mineral resources, is widely distributed in the ocean floor, the distribution is complex and nonlinear effects by many factors, resulting in the distribution of polymetallic nodules in the seabed appeared to be random, and therefore, distribution of polymetallic nodules are non-linear aspects of the problem. In this paper, artificial neural networks in the most widely used BP network, the establishment of the geological factors that control the distribution of polymetallic nodules longitude, latitude, depth, slope and its distribution between the coverage prediction model. Number of hidden layer neuron identification, transfer function, training function, the choice of learning function, to promote empowerment, control of the network built by the pros and cons. Finalized the 4-5-1 network structure, hidden layer neurons in the transfer function using tansig function, transfer function of output layer neurons use purelin function, training function selection traindgx function, learning function, choose the default learngdm function, improve the promotion of ability to approach a "stop ahead" method. Final training into a more predictive value of the network, not exploration area is predicted.

Keywords: BP neural network;hidden layer;Regression Analysis;Generalization;Contour

 
目 录
摘  要    I
Abstract    II
目 录    III
引  言    1
第一章    基于MATLAB的神经网络基本理论及设计    2
1.1  神经网络基本概念    2
1.1.1  神经元模型    2
1.1.2  神经网络的特性和结构    4
1.2  BP神经网络原理及设计    4
1.2.1  BP神经网络结构    4
1.2.2  BP神经网络的生成及初始化    5
1.2.3  BP神经网络的学习规则    6
1.2.4  BP神经网络的训练和仿真    8
1.2.5  BP神经网络推广能力的提高    9
第二章    结核覆盖率分布的BP网络模型    10
2.1  结核覆盖率分布与地质因素的相关性分析    10
2.2  传递函数、训练函数、学习函数的选择    10
2.3  Matlab7.0中BP网络的训练与仿真实施过程    11
2.3.1  确定隐含层神经元数目    11
2.3.2  BP网络的训练过程及结果分析    12
2.3.3  BP网络的仿真过程及结果分析    14
第三章    多金属结核覆盖率分布的预测及分析    16
3.1  选取测区进行预测    16
3.2  预测结果的平面等值线表示    16
第四章    结  论    17
致  谢    18
参考文献    19
附  录    20
 
引  言
多金属结核是一种蕴藏量巨大的矿产资源,它广泛分布于大洋海底,全世界大洋底多金属结核的资源量约在2~3万亿吨,仅太平洋就有1.7万亿吨,其中约有540亿吨干结核含6.5亿吨镍、5.2亿吨铜、1.15亿吨钴和100亿吨锰,其储量之大,令世人瞩目。随着全球现代工业化进程的飞速发展,当今世界对矿产资源的需求也与日俱增。随着陆地金属矿产的大量消耗与枯竭,世界各国不得不把目光由陆地转向海洋。
多金属结核在大洋底的分布很复杂,受到多种因素的非线性影响,如海底地形、水深、成矿物质的来源和通量、核心物质供应的多寡、海底氧化还原电位的高低和沉积速率等,导致多金属结核在海底的分布呈现出拟随机性,不管如何加密取样,似乎都很难控制结核的分布。因而,多金属结核分布问题的研究属于非线性范畴[1]。
人工神经网络的一个重要特征就是非线性映射,这源于其近似任意非线性映射(变换)能力,能够任意精度逼近非线性函数,成为非线性系统辨识的主要建模方法。该方法具有大规模的并行处理方式、良好的鲁棒容错性、独特的信息存储方式以及强大的自学习、自组织和自适应能力,这使得它在模式识别、控制优化、信息处理、故障诊断以及预测等方面应用广泛,其理论与技术方法在工程、医疗卫生、农业、交通、财经、军事、环境、气象等领域显示出巨大的吸引力,并具有广阔的应用前景[2]。
调查研究表明,我国东太平洋多金属结核开辟区的东区和西区产出的结核在表面形态、粒径、丰度、覆盖率[3]和品位等方面存在较大的差异,即使在同一研究区域,由于局部环境的不同,多金属结核的分布也各有特点[4]。经典的统计方法是采用直方图或概率图方法研究丰度和覆盖率的频率分布,并用空间统计方法以及平面作图的方法来研究它们的空间变化性[5]。本文利用人工神经网络中的应用最为广泛的BP网络,建立控制多金属结核分布的地质因素与其覆盖率分布之间的预测模型。
 
第一章    基于MATLAB的神经网络基本理论及设计
1.1  神经网络基本概念
研究人类智能一直是科学发展中最有意义、最激动人心,也是最富有挑战性的课题。人工神经网络(Artificial Neural Network—ANN),简称“神经网络”(NN),作为对人脑最简单的一种抽象和模拟,是探索人类智能奥秘的有力工具[6]。神经网络技术作为智能科学的领头羊,是近年来发展起来的一门十分活跃的交叉学科。它涉及生物、电子、计算机、数学、物理等学科,有着广泛的应用前景。
神经网络作为一种新的方法体系,具有分布并行处理、非线性隐射、自适应学习和鲁棒容错等特性,这使得它在模式识别、控制优化、智能信息处理以及故障诊断等方面都有广泛的应用。
1.1.1  神经元模型
神经网络由大量神经元广泛互连而成,具有高度的连通性,它的基本单元是神经元。每个构造起网络的神经元模型模拟一个生物神经元,如图1-1所示。
 

最新论文

网站导航

热门论文