[发明专利]一种典型区因旱饮水困难人口快速评估模型及构建方法

权利要求书

1.一种典型区因旱饮水困难人口快速评估模型，其特征在于，所述典型区因旱饮水困难人口快速评估模型利用MATLAB软件将经过标准化处理后的6个影响因子作为样本的输入值，将学习样本进行BP人工神经网络训练，经试算不断优化模型参数，并进行网络隐含层神经元数的调整，直到达到期望误差范围为止；完成样本的学习后，将测试样本输入训练好的网络中，以学习好的网络参数，计算得出输出预测与检验值。

2.一种搭载有权利要求1所述典型区因旱饮水困难人口快速评估模型的信息数据处理终端。

3.一种如权利要求1所述典型区因旱饮水困难人口快速评估模型的构建方法，其特征在于，所述构建方法包括：

步骤一，基于灾情管理要求与区域灾害特征，将全国划分典型区，并收集区域基础地理信息、气象、社会经济、旱灾灾情相关数据；

步骤二，利用历史旱灾案例灾情数据为样本，基于BP人工神经网络构建因旱饮水困难人口快速评估模型；

步骤三，以地形高程、月均降水量、水系密度、年末总人口、路网密度和GDP 6个指标为网络输入，以旱灾灾情指标中因旱饮水困难人口数量为网络输出，确定模型收敛误差为0.01，经试算不断优化模型参数，得到典型区的模拟值与实际值的线性拟合结果。

4.如权利要求3所述的构建方法，其特征在于，所述BP人工神经网络由输入层、隐含层或称中间层和输出层三层；

信息由输入层进入网络后，传到隐含层单元，经过响应传递函数，再传到输出层并计算输出值；之后网络将应有的输出与实际输出进行比较，通过反向传播误差，修正与基本单元相连接的各输入量的权重，并重新计算输出、进行比较；通过信息传递、输出、比较、反馈的连续反复训练，使模拟误差逐步降低直至低于规定要求。

5.如权利要求3所述的构建方法，其特征在于，BP人工神经网络学习方法包括：

(1)网络初始化w_ij，w_ki矩阵，赋值区间由激活函数值域决定；确定最大训练次数M和学习精度值ε，选择激活函数f(x)，通常选用sigmoid函数：

(2)数据预处理，选择样本数据输入，得到隐含层θ_i和输出层o_k的输出：

(3)利用网络的实际输出值o_k和期望输出值d_k计算误差：

(4)分别计算误差函数对隐含层和输出层各神经元的偏导数和

(5)利用误差信号调整各层的连接权值；隐含层到输出层权值和输入层到隐含层权值

(6)计算全局误差E：

(7)比较全局误差E和精度值，如果全局误差小于给定精度值，或者训练次数超过最大次数M，此时结束算法；否则，继续进行学习；

其中：x_j表示输入层第j个节点的输入，j＝1,…,M；

w_ij表示隐含层第i个节点到输入层第j个节点之间的权值；

θ_i表示隐含层第i个节点的阈值；

φ(x)表示隐含层的激励函数；

w_ki表示输出层第k个节点到隐含层第i个节点之间的权值，i＝1,…,q；

a_k表示输出层第k个节点的阈值,k＝1,…,L；

ψ(x)表示输出层的激励函数；

o_k表示输出层第k个节点的输出。

6.一种实现权利要求3～6任意一项所述构建方法的计算机程序。

7.一种实现权利要求3～6任意一项所述构建方法的的信息数据处理终端。

8.一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行如权利要求3～6任意一项所述的构建方法。