论文部分内容阅读
通过对反向传播人工神经网络的算法和网络结构的研究，发现拟牛顿算法训练速度较快，能够较好地接近误差目标值，同时建立了包括输入层、隐含层、输出层的人工神经网络三层拓扑结构。通过对街道峡谷人工神经网络的训练，模拟计算了街道峡谷NOx浓度分布值。结果显示，训练误差和测试误差比为1．11，训练样本的模拟值与实测值的相关系数为0．93，测试样本的模拟值与实测值的相关系数为0．87，模拟值与实测值的相关系数均高于显著水平为α=0．05与α=0．01所对应检验性表的相关系数临界值。该模型能够用于街道峡谷污染物浓度的模拟计