测量不确定度的BP神经网络模型.pdfVIP

第28卷第4期 四川理工学院学报(自然科学版) V01．28No．4 文章编号：1673-1549(2015)04-0022-05 测量不确定度的BP神经网络模型 房亚群8，吴一凡6 (江苏食品药品职业技术学院a．信息工程系；b基础教学部，江苏淮安223003) 摘要：针对测量不确定评定数学模型无法通过确定的数学关系进行表达的问题，将BP神经网络 算法引入测量不确定评定，通过将产生不同确定度的分量的影响因素作为神经网络的输入，合成不确定 度和扩展不确定度作为神经网络输出，建立神经网络的不确定评定数学模型。以游标卡尺测量结果不 确定度为研究对象，运用BP神经网络不确定评定数学模型，进行不确定评定。仿真结果表明，BP神经 网络的不确定评定结果较好、精确度较高，接近于线性预测。 关键词：测量不确定度；BP神经网络；数学模型；合成不确定度；扩展不确定度 中图分类号：TP391．1 文献标志码：A 预测结果，但对小波基函数的选择和确定难度较大。 引言 杨光等人o¨利用小波核函数的多分辨率的优点，提 测量不确定度主要用来表征测量结果不能确定测 出一种基于小波核LS—SVM的测量不确定度评定，实 程度，是衡量测量结果质量的重要指标。GUM中提出的 验表明该方法具有一定的优越性，不过参数需要手动确 不确定度评定方法容易受到直接测量量相关性的限制， 定。 并且计算过程有很多近似，因此计算精度较低，同时操 针对神经网络具有优越的非线性泛化能力，本文将 作性较差，现实中操作较为不便¨。3J。神经网络模型具 BP神经网络算法和测量不确定数学模型进行结合，提 有很强的非线性泛化能力，国内外很多学者都进行了研 出一种基于BP神经网络算法的测量不确定度数学模 究。 型，并以(0～2000)mm的游标卡尺测量结果不确定度 雷霆等人H1结合神经网络理论和小波变换技术，提 进行实证分析，通过测量不确定度的BP神经网络的实 出一种基于小波神经网络的预测模型，运用小波变换技 证分析，建立起游标卡尺的测量不确定度评定模型，实 术提取测量序列的特征参数。实验结果证明该方法预 现测量不确定度的自动评定和快速评定，同时排除其他 测精度较高，但其稳定性较差，有待提高。 相关因素的限制。 Guo Wen等人1运用PSO算法对BP神经网络进行 1不确定度数学模型 全局寻优，并将其应用于粗糙度评定。仿真结果表明， 寻优模型的预测精度和收敛速度均好于标准BP神经网 测量不确定度表征合理地赋予被测量值的分散性， 络，但PSO算法存在局部最优的问题。 是与测量结果相联系的参数，用来表征和衡量测量结果 刘渊等人’61针对小波神经网络存在的缺陷，将混沌 的质量。在测量不确定度评定中，首先需要建立数学模 理论引入小波神经网络，实证结果表明混沌小波神经网 型，目的是要建立满足测量不确定度评定所要求的数学 络的预测误差远远小于RBF神经网络的测量不确定度 模型，即建立被测量l，和所有各影响量戈间的函数关系， 收稿日期：2015-06-26 吴一凡(1980一)，男，江苏淮安人，讲师，硕士，主要从事数学建模方面的研究，(E-mail)wyfdmj@163．com 万方数据 第28卷第4期 房亚群，等：测量不确定度的BP神经网络模型 其一般形式为‘8|： ，=1，2，…，l；k=1，2，…，m (6) Y=／I算l，算2，…．，z。) (1)