用matlab编BP神经网络预测程序(2)

陈龙等：MATLAB 神经网络工具箱在河流水质预测中的应用

net.trainParam.lr = 0.05; net.trainParam.mc = 0.9; net.trainParam.epochs = 300; net.trainParam.goal = 1e-5; p = [-1 -1 2 2;0 5 0 5]; t = [-1 -1 1 1]; net=train(net,p,t);

TRAINGDM, Epoch 0/300, MSE 3.6913/1e-05, Gradient 4.54729/ 1e-10

TRAINGDM, Epoch 50/300, MSE 0.00532188/1e-05, Gradient 0.213222/1e-10

TRAINGDM, Epoch 100/300, MSE 6.34868e-05/1e-05, Gradient 0.0409749/1e-10

TRAINGDM, Epoch 114/300, MSE 9.06235e-06/1e-05, Gradient 0.00908756/1e-10

TRAINGDM, Performance goal met. a = sim(net,p) a =

-1.0026 -1.0044 0.9969 0.9992

73

3.1 神经网络工具箱的 GUI（图形用户界面）工具 MATLAB

. 神经网络工具箱的 GUI 工具主要包括：1）神经网络 GUI 工具主窗口；2）神经网络的建立 窗口；3）网络训练对话框；4）自适应参数设置对话框；5）权值显示窗口. 通过神经网络工具箱的 GUI 工具按钮就能很方便地打开所建立的神经网络的结构图进行察看，也可以看到一个训练过程的 偏差曲线变化图. 3.2 神经网络工具箱解决问题的一般步骤

对网络进行仿真检验；6）应用网络解决问题.

4 系统的预测仿真

4.1

使用神经网络 GUI 工具建立神经网络的输入样本和目标样本

1）在 MATLAB 命令窗口输入 nntool，打开图形用户界面工具主窗

口，如图 1 所示. 2）单击 New Data 按钮，打开数据生成对话框. 建立输入样本 P，

数据的输入和设置如图 2 所 示，单击 Create 按钮关闭对话框.

3）依照上一步，输入目标样本 T

，数据类型选 Targets.

回到 GUI 工具的主窗口，单击 Export

按钮弹出导出对话框，选中变量 P 和 T，然后单击 Export 按钮，把变量 P 和 T 导出到工作区. 这为 仿真文件从工作空间调用导入数据做好了准备.

4.2

建立仿真模型文件进行预测

运行 MATLAB 软件中的 Simulink 仿真环境，在神经网络模块库中调用神经网络预测控制模块 NN Predictive Controller，用模块封装技术建立河流水质数学方程模块，连接信号源模块和示波器模 块后就建立了河流水质预测仿真文件 predwq.mdl，如图 3，其中 From Workspace 模块中是目标样本 T 的数据，可以直接从工作区导入.

双击神经网络预测控制模块 NN Predictive Controller，弹出如图 4 的窗口，此窗口用于设计模 型预测控制器，输入控制器变量空间 N 2 和 Nu 、权值参数 ρ 和控制最优化参数 α 的值. 然后点击 Plant Identification 按钮，打开系统辨识窗口，从工作区导入输入样本 P，设置好其它参数后训练网络， 单击 OK 按钮，将训练好的神经网络模型导入到神经网络预测控制模块中， 在 NN Predictive Controller 窗口中单击 OK 按钮，将控制器参数导入到 NN Predictive Controller 模块中.

图 3

predwq.mdl 仿真文件

图 4

神经网络预测控制模块窗口

系统模块 System

Model

是用模块封装技术封装的河流水质微分方程式（

4）的仿真模块，如图

5 所示.

在 predwq Simulink 主窗口，仿真时间输入 100，再单击 Start simulation 命令按钮开始仿真. 仿 真结束后，双击示波器模块就可以查看仿真结果，如图 6 所示. 对仿真结果和目标样本的值进行比 较，根

据它们的差值绘出预测误差变化曲线，如图 7 所示.

图 5 河流水质微分方程仿真模块

图6 目标和预测结果图

5 结果与讨论

比较图 6、图 7 知，本文建立的网络系统对水质参 数耗氧量的预测图像和目标样本基本一致. 把仿真预测 结果数据和实际目标样本数据进行比较，正、负最大误 差分别为 0.11 和

－

0.06，0，虽然还有偏差， 但误差是在满意的范围之内. 因此，把河流水质的数学 模 最小误差为 型用

MATLAB 神经网络进行仿真预测，具有较高的 精度，为河流水质预测提供了方便的方法.

23 卷 第 1 期 第

陈龙等：MATLAB 神经网络工具箱在河流水质预测中的应用

73

图 7 预测误差的曲线变化

利用NNToolbox 4.0.2架构神经网络主要采用以下两种方

第 23 卷 第 1 期

陈龙等：MATLAB 神经网络工具箱在河流水质预测中的应用

73

法:

(1)使用网络数据管理器(Network Data Manager)。具体操 作为:在Launch Pad窗体中点击Neural Network Toolbox目录下的 。

nntool文件,即在计算机屏幕中央出现Network Data Manager窗 体;点击窗体中NewNetwork按钮,根据提示设定网络类型、网络 结构、网络算法和网络激活函数即可生成用户定义的神经网络; 点击View按钮可显示该神经网络的结构图;点击initialize、simu- late、train和adapt按钮并设定参数可对神经网络进行初始化、模 拟、训练和仿真;最后点击Export按钮可将网络模拟、训练和仿 真的结果以文件的形式导出。该方法操作简易,无需编写程序 代码,即可完成神经网络的构建、初始化、训练和仿真等主要工 作。但是该方法不能和MATLAB其他程序动态链接,网络仿真 结果只能以数据文件的形式导出,不能可视化显示。 (2)编写MATLAB应用程序,即运用MATLAB语言引用神 经网络工具箱函数编写程序代码并保存为M文件,然后运行该 文件。该种方法可以根据研究人员的需要,调用MATLAB丰富 的内部函数,并能和各类数据库及其他应用程序(包括C、FOR- TRAN程序)动态链接,使神经网络功能更为强大。本研究即采 用该种方法,其中引用的重要算法、函数及参数将在第2、3节详 述。

中国未来几年人口总量的预测

本文对所使用的序列数据进行

（，模型维数优化时 得到最佳的维数是 均属于短序列预测，只适合短 期的人口总量的预测，所以对 GM11）5~8 维不等，

陈龙等：MATLAB 神经网络工具箱在河流水质预测中的应用

第 23 卷 第 1 期

2008-2012

表

年共

5

个时间序列点 的中国人口总量进行预测，结果如表

2

所示。

73

2

灰色人工神经网络（

模型对 GANN）2008-2012

年

中国人口总量预测的结果

万人

年份

2008 2009 2010 2011 2012

总人口

132 663 132 963 133 706 134 373 135 025

建立BP神经网络预测模型

在进行BP网络预测模型设计时,主要考虑网络的层 数和每层中神经元的个数。

神经网络通过计算机程序实现对非线性映射逼近,在 众多语言中,MATLAB语言允许数学形式的语言编写程序, 比其他语言更接近我们书写计算公式的思维方式。因此编 程效率高,易学易懂。

。建立两层神经网络，由于输入样本为 3 维的输入向

量，因此，输入层一共有 3 个神经元，根据 Kolmogorov[2]定理，网络应该为 3 × 7 × 3 的结构。 其中，threshold 设定了网络输入向量的取值范围[0,1]，第一层神经元数为 3,传函类型为

‘LOGSIG’,第二层神经元数为 7,传函类型为‘PURE …… 此处隐藏：3146字，全部文档内容请下载后查看。喜欢就下载吧 ……