****大学
专业文献综述
题 目: 姓 名: 学 院: 专 业: 班 级: 学 号: 指导教师:
利用人工神经网络建立土壤中生物
含硫气体释放模型 * * * * 化 学 工 程 应 用 化 学 应用化学072班 ********* *** 职称: 副教授 2010 年 10月25日
新疆****教务处制
利用人工神经网络建立土壤中生物含硫气体释放模型
作者：*** 指导教师：***
摘要：
BP神经网络具有结构简单、技术成熟的优点，在很多领域都有广泛的应用。本文中详尽的阐述了BP神经网络的原理及结构，并介绍了如何利用BP神经网络建立土壤生物含硫气体释放模型，准确预测土壤生物含硫气体释量。 关键词：BP神经网络，人工神经网络，含硫气体，土壤，释放。
Using artificial neural network build soil biological sulfur
gases released model
****
Abstract：
With the advantage of simple structure and mature technique,BP neural net work has extensive application in many fields.Detailed in this article describes the BP neural network structure and principle,Establish mathematical model for soil sulfur emission using BP learning algorithm in artificial neural network,The forecast tests of soil sulfur emission were conducted using this model.
Key words: BP neural network,Artificial neural network,Sulfur gas, soil,Emission
前言：
随着全球气候变化的日益明显和酸沉降问题的加剧，人们越来越关注自然界中硫循环对全球气候变化和环境的影响。陆地生态系统是含硫化合物释放的重要自然源之一，建立土壤挥发性含硫化合物释放模型，不仅可以减少硫释放通量的实测次数，而且可使估算的通量值更准确。
人工神经网络方法是一种新型的黑箱方法，不需要了解输入输出之间的相互关系，其自组织学习功能能够“记忆”样本所含的信息，网络根据训练样本的数据来自动寻找相互关系，给所研究的系统以具体的数学表达。该方法对非线性问题具有极高的求解能力，特别适合用来解决推理过程不明确的问题。目前，对于含硫物质在土壤中分解转化为挥发性含硫化合物的机理和过程了解不多，因此应用人工神经网络独特的学习能力和自动建模功能，对非线形问题具有极高的求解能力，来解决这一推理过程不明确的问题。
正文：
1 BP神经网络描述 1.1 人工神经网络
人工神经网络（Artificial NeuralNetworks,ANN），是一种模拟人类或动物神
经网络行为特征，进行分布式并行信息处理的算法数学模型[1]。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。人工神经网络对那些暂不清楚内部原理和过程而无法用数学公式表示的问题、无法解决的三维以上的数理空间问题或在求解非线性问题领域中，有着很
[2]
好地解决能力。人工神经网络具有自学习和自适应的能力，可以通过预先提供的一批相互对应的输入－输出数据，分析掌握两者之间潜在的规律，最终根据这些规律，用新的输入数据来推算输出结果，这种学习分析的过程被称为“训练”。 1.2 BP神经网络
早在1943年心理学家Mcculloch和数理逻辑学家Pitts就提出了关于神经网络的数学模型，现在一般称为MP神经网络模型。到1982年Hopfield提出了非线性的离散模型[3]。Rumelhart等于1986年提出了并行分布处理(PDP)的理论和多层网络的误差反传学习法(Back-Propagation，简称BP算法)，由于多层前馈网络的训练经常采用误差反向传播算法，人们也常把多层前馈网络称为BP神经网络[4]。由于具有结构简单、工作状态稳定、易于硬件实现等优点，在众多的神经网络模型中， BP神经网络的应用最为广泛，尤其是在模式识别及分类、系统仿真、故障智能诊断、图像处理、函数拟合、最优预测等方面。 1.3 BP神经网络结构
上图为三层前馈神经网络的拓扑结构，其中x为输入节点，y为输出节点，w为隐节点的输入及输出信息，这种神经网络模型的特点是：多层神经元仅与相邻层神经元之间有连接;各层内神经元之间无任何连接;各层神经元之间无反馈连接[5]。
输入信号先向前传播到隐节点，经过变换函数之后，把隐结点的输出信息传播到输出结点，在给出输出结果。结点的变换函数通常选取Sigmoid型函数。 BP神经网络的输入输出关系是一个高度非线性映射关系，如果输入结点数为n，输出结点数为m，则网络是从n维欧氏空间的映射。通过调整BP神经网络中的连接权值以及网络的规模，可以实现非线性分类等问题，并且可以以任意精度逼近任何非线性函数。在确定了BP网络的结构后，利用输入输出样本集对其进行训练，也即对网络的权值和阈值进行学习调整，以使网络实现给定的输入
应用化学专业文献综述
