水质神经网络_第1页
水质神经网络_第2页
水质神经网络_第3页
水质神经网络_第4页
水质神经网络_第5页
已阅读5页，还剩6页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

基于智能计算的影响河流水质的因素分析——神经网络部分早期用于水质评价的方法早期用于水质评价的方法主要有生物学评定方法和专家评价。进入20世纪60年代，随着对水质评价的研究深入，逐步提出用数学模型来进行水质评价此后，随着数学理论与方法本身的发展，以及计算机技术的发展，各种各样的新的水质评价方法蓬勃发展，不断涌现。成果特色及创新点目前，常用的水质评价方法主要有简单指数法、分级加权平均法、综合污染指数法、模糊数学法、普通概率统计法等。近年来，智能优化算法的研究与应用越来越受到人们的重视，特别是神经网络优化算法、遗传算法以及相应的混合算法和支持向量机等已在水质识别问题方面得到了一定的应用。这些新方法可以克服传统方法的缺点，提高求解效率，将会得到越来越广泛的应用。我们项目组采用将主成分分析法与分类预测相结合，神经网络和遗传算法智能计算结合的方法来进行研究的，效果也是很理想的。BP网络模型及MATLABBP神经网络是一种多层前馈型神经网络。构成神经网络的的基本三要素是神经元、网络结构和学习算法。MATILAB中的神经网络工具箱以神经网络为基础，利用MATLAB脚本语言构造出典型的神经网络激活函数，使设计者对所选网络的计算变成对激活函数的调用，为用户提供了极大方便。MATLAB实现原始数据的预处理。将数据分为两部分：训练数据和预测数据（2:1），可以采用随机抽取数据的方法收集数据。数据归一化。通过premnmx函数进行归一化处理，其数据分布在[-1～1]之间。BP网络模型的建立。MATLAB的神经网络工具箱提供了最多3层商前网络，隐层棒经元传递函数多为S型函数，这种非线性传递函数神经元可以学习输入输出之闻的线性和非线性关系BP神经网络的训练。在训练之前必须对极值秘阚值的初始化，采用MATILAB中newff函数可自动完成这一过程。水质预测BP网络模型及其训练输入神经元数目为168，隐层数为l层，隐层节点数为7，输出节点数为l训练函数：net=newff(minmax(P),[7,1],{'logsig','logsig'},'trainrp')最大训练次数epoch=1000训练要求精度goal=1e-5神经网络预测渗透率误差收敛曲线渗透率仿真结果线性回归分析预测率结果（蓝色为正确部分）BP神经网络水质预测数据表(部分数据)

测试结果

归一化结果

实际值1.00001.00001.0000

0.0000001.00001.00001.0000

0.149000

0.000000

0.000000

0.000000

0.000000

0.000000

0.98531.00001.0000

0.000000

0.000000

0.000000

0.000000

0.99061.00001.0000

0.95151.00000

0.000000

0.97291.00000

0.000601.0000以下为20次试验的数据结果：

人人文库> 全部分类> 教育资料 > 课设设计

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论