基于BP神经网络的农机总动力预测

分析了BP神经网络用于预测时存在的不足,进而对基于BP神经网络的时间序列的预测问题进行了探讨。根据BP神经网络结构的特点,依据Z变换理论,提出了这一类预测问题可选用y=x作为传递函数,并分析指出了在BP神经网络中,以y=x作为传递函数与y=a+bx作为传递函数等价的结论,同时指出了网络结构应为两层网络。在此基础上,推导了相应的计算公式,并分别以单极性S型函数和y=x作为传递函数,对于具有增长趋势的农机总动力预测问题进行了实例计算。计算结果表明,以y=x作为传递函数的BP神经网络在外推效果、训练样本的数据处理区间影响方面明显优于S型传递函数的BP神经网络,并且克服了S型传递函数的BP神经网络在预测问题中存在的不足。