基于熵值法的BP网络输入变量加权分层方法研究

当BP网络模型的输入变量包括多个类别时,如果其中几类变量的个数远多于其它类别的变量,变量多的这几类会削弱其它类变量对输出变量的影响,导致模型预报误差增大。提出BP网络输入变量加权分层的改进方法。根据熵值法模型对每个类别包含的所有变量按其重要程度加权平均,得到代表各类的综合影响指标,将这些综合影响指标作为BP网络模型的输入变量得到模型预报结果。改进后的模型更全面合理地考虑了各类输入变量的变化对输出变量的影响,发展了神经网络的应用理论。实例计算表明,模型预报精度得到明显提高。