MATLAB 神经网络工具箱在径流模拟中应用.docVIP

. . 　　 本文档下载自HYPERLINK 360文档中心，更多免费文档请访问网址  HYPERLINK /doc/info-2bc532f3fab069dc502201b1.html /doc/info-2bc532f3fab069dc502201b1.html MATLAB神经网络工具箱在径流模拟中的应用 第34卷第6期2003年6月 文章编号:1001-4179(2003)06-0038-03 人 民 长 江Yangtze RiverVol.34,No.6June,2003 MATLAB神经网络工具箱在径流模拟中的应用 袁 飞 任立良 姜红梅 季成康 1 1 1 2 (1.河海大学水资源环境学院,江苏南京210098; 2.长江水利委员会长江下游水文水资源勘测局,江苏南京210011) 摘要:选择汉江上游回水河流域为研究区域,运用美国Mathworks公司发布的MATLAB神经网络工具箱构建BP神经网络,采用traingdm函数(动量梯度下降反向传播算法)、trainlm函数(Leverberg-Marquart优化方法)和train-br函数(Leverberg-Marquart优化方法结合贝叶斯正则化方法)来训练BP网络,进行日流量模拟,并比较3种算法的模拟精度。结果表明:使用MATLAB神经网络工具箱可以快速、高效地构建BP神经网络,并应用于径流模拟中;神经网络工具箱提供的大量网络构建函数、快速学习算法和友好的图形界面大大缩短了神经网络的建模时间,使网络设计者摆脱繁琐的编程工作,将研究重点转移到如何优化网络配置、提高网络学习效率、推广能力和仿真效果上来;在回水河流域,采用trainbr函数训练的网络模拟径流的精度较traingdm函数和trainlm函数的精度高。 关 键 词:神经网络;径流模拟;计算方法;汉江(中国)中图分类号:P332 文献标识码:A MATLAB是美国Mathworks公司发布的主要面向科学计算、可视化以及交互式程序设计的高级计算语言[1],它为众多学科领域内的科技人员提供了一种简洁、高效的编程环境,在很大程度上摆脱了传统非交互式语言(如C、Basic、Fortran)的编程模式,为科学和工程领域全面解决复杂数值计算问题提供了综合解决方案[2]。MATLAB拥有一个功能强大、涉及多学科的工具箱,本文将MATLAB神经网络工具箱应用于日径流模拟,并就BP神经网络的3种改进算法进行分析比较。 nntool文件,即在计算机屏幕中央出现NetworkDataManager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。 1 MATLAB神经网络工具箱 1.1 基本功能 MATLAB6.5对应的神经网络工具箱为NNToolbox4.0.2版,其主要功能为:方便快速地架构多种神经网络,网络模型有 感知机模型、线性滤波器、BP网络、控制系统网络模型、径向基网络、自组织竞争网络及反馈网络等;提供多种神经网络激活函数(如Sigmoid函数、线性传递函数、竞争层激活函数等),方便设计者调用;针对各种网络提供多种网络训练算法,以满足解决不同实际问题的需要;网络训练过程中实时显示当前训练结果信息,提供训练误差实时变化曲线,方便用户根据网络训练情况及时调整网络结构,提高工作效率。 2 BP网络改进算法简介 标准的BP网络一般采用梯度下降反向传播算法,该算法通常具有收敛速度慢、易陷入局部极小点等缺点。MATLAB神经网络工具箱对常规BP算法进行了改进,并提供了一系列快速学习算法,有效地克服了常规BP学习算法的缺陷。本文采用的3种网络学习算法简介如下: (1)traingdm(动量梯度下降反向传播算法,Gradientdescentwithmomentumbackp