论文部分内容阅读
用BP神经网络预测济南市地下水位,并利用网络'截口'处连接权与阈值的信息,揭示了'过拟合'现象与输入神经元间的多重共线,是导致BP神经网络预测性能降低的主要原因.确定了以当年地下水开采量、前1年地下水位、当年降雨量为输入神经元,拓扑结构为3:3:1的改进的BP神经网络模型,预测了济南地下水位.结果表明,该模型的预测精度较高,相对误差约为6%.