1.1 案例背景
1.1.1 BP神经网络概述
BP神经网络是一种多层前馈神经网络，该网络的主要特点是信号前向传递，误差反向传播。在前向传递中，输入信号从输入层经隐含层逐层处理，直至输出层。每一层的神经元状态只影响下一层神经元状态。如果输出层得不到期望输出，则转入反向传播，根据预测误差调整网络权值和阔值，从而使BP神经网络预测输出不断逼近期望输出。
当输入节点数为n、输出节点数为m时， BP 神经网络就表达了从n个自变量到m个因变量的函数映射关系。
BP 神经网络预测前首先要训练网络，通过训练使网络具有联想记忆和预测能力。 BP神经网络的训练过程包括以下几个步骤：
- 网络初始化：根据系统输入输出序列（X,Y）确定网络输入层节点数n、隐含层节点数l，输出层节点数m，初始化输入层、隐含层和输出层神经元之间的连接权值$\omega_{ij}$、$\omega_{jk}$ ，初始
化隐含层阔值 ，输出 阔值 ，给定学习速率和神经元激励函数
步骤 隐含层输出计算。根据输入变量 ，输入层和隐含层间连接权值均以及隐含层
阁值 ，计算隐含层输出