0 引言

人工神经网络^[1]（ANN-artificial neural networks）是属于人工智能（Artificial Intelligence）范畴的一种计算技术，它根据人们对生物神经网络的研究成果设计出来，具有良好的数学描述，可以方便的用计算机程序加以模拟。作为一种具有高度非线性映射能力的计算模型，它已被广泛应用于模式识别、自动控制等诸多领域。在数值预测^{[2][3][4][5][6]}方面，它不需要预先确定样本数据的数学模型，仅通过学习样本数据即可以进行相当精确的预测。这项技术在船舶与海洋工程方面的应用^[7][8]，国内外已见发表。但笔者经研究发现，这些文献所采用的算法还有需要改进的地方，对于神经网络算法具体应用时的关键技术也没有作系统的阐述。本文的工作正是基于这样的背景，试图能起到抛砖引玉的作用，对国内外同行的研究有所帮助。

本文之所以采用BP算法主要是因为该算法目前应用最为广泛，成果相当显著，而且结构简单，易于实现，功能也较强。

1 BP神经网络及改进

BP神经网络^[1]就是采用BP（Back propagation）算法进行训练的网络，该网络具有一个输入层，一个输出层和至少一个隐藏（中间）层，研究结果表明，增加隐藏层的层数不一定能提高网络的精度和表达能力，一般情况下，选用一个隐藏层就足够了, 此时其结构如图1所示。BP算法是非循环多级网络的训练算法，其学习过程由正向传播和反向传播组成，输入值经过非线性变换从输入层经隐单元逐层处理，并传向输出层，每一层神经元的状态将影响到下一层神经元状态，如果在输出层不能得到期望的输出，则转入反向传播，通过修改各神经元权值，使误差信号最小。

2 BP预测算法的实现

2.1 预测算法思想 运用BP算法进行数值预测的思路可简单描述为：（1）收集一定规模的样本集，采用BP算法进行训练，使网络收敛到预定的精度；（2）将网络权值矩阵保存到一存储介质中，例如文本文件或者数据库；（3）对于待预测数据的输入部分，从存储介质中读出网络连接权值矩阵，然后通过BP神经网络的前向传播算法计算网络输出，经过处理即是预测出来的数值向量。