9.3.3 基于线性加权综合指数的BP神经网络模型
BP神经网络模型的建立需要一定的训练样本和检测样本，本文以2000—2004年的综合指数评价结果作为训练样本来训练BP网络，以2006—2010年综合指数评价结果为检验样本来检验网络的仿真效果。训练好的BP神经网络包含了线性加权算术平均指数模型的评价信息，能够在以后更加便捷地对综合效益进行评价。
BP神经网络训练与检测都是在DPS7.05中完成的，网络隐含层节点数选择15，学习精度为ε＝0.000 1，Sigmoid参数调整神经元激励函数形式，这里取0.9，动态参数0.6，最大训练次数epochs＝10 000。网络经过1 135次训练达到所要求的误差，网络训练误差见图9-2。
图9-2 BP网络训练误差图(https://www.daowen.com)
利用训练好的网络对检验样本进行评价，结果见表9-30。
表9-30 BP网络检验结果
从表9-30可以看出，BP网络检验值与样本综合效益指数评价值的最大相对误差不超过0.565%，利用BP神经网络得到评价结果和综合指数评价结果相一致。由此可见，本文以线性加权综合指数法为基础建立的BP神经网络评价模型可以用于今后综合效益评价，在应用过程中只需要输入评价样本的指标标准化数据就可进行评价研究。
