改进的BP神经网络算法在水质监测中的应用.pdfVIP

2015年 第24卷 第 1O期 http：／／www．c-S-a．org．ca 计 算 机 系 统 应 用 改进的BP神经网络算法在水质监测中的应用① 李 福，郭 健 (南京理工大学 自动化学院，南京，210094) 摘 要：针对一类多输入多输出系统进行辨识，以 A‘‘simulationofthewesternbasinofLakeErie”为例，通过分析 河流湖泊的水质特征，针对伊利湖湖泊水质建立数学模型，由于该环境系统为多输入多输出系统，文章采用了一 种改进的BP神经网络算法，利用Matlab神经网络工具箱进行数据分析，绘出实际输出与模型输出的曲线以分析 相关情况，检验建立的模型对于系统的辨识水平，给出传统BP网络和改进BP网络对该系统辨识的结果进行分析 对比．文章还对不同噪声层次下的数据进行分析比较，并研究白噪声对于人工神经网络模型的影响． 关键词：环境系统；系统辨识；BP神经网络；数学建模；Matlab ApplicationofanImprovedBPNeuralNetworkAlgorithm inWaterQualityMonitoring LIFu，GUO Jian (SchoolofAutomation，NanjingUniversityofScienceandTechnology,Nanjing210094，China) Abstract：ThispaperproposesanidentificationforaclassofMIMO system．Taking “A simulationofhtewesternbasin ofLka eErie”asanexample，qualitycharacteristicsofwatersystem isanalyzedandmathematicalmodelsofLkaeErie ismadeinhtispaper．AnoptimizedBPANN modelisusedofrthisMIMO system nadhteMATLAB’SNNTisusedto carryondataprocessing。Theeffectivenessofsystem identificationisinspectedbythecurvesbetweenmodels’output andactualresults．Thecomparisonbewt eentraditionalandoptimizedBPANN isgivenathteendofhtispaper．Inhtis paperdatacollectedunderdifferentnoisesiscomparedtostudyontheeffectofwhitenoisesonANN． Keywords：environmentalsystems；systemidentification；BPANN ；mathematicalmodeling；Matlab 环境污染是当今社会的热门研究话题，针对典型 输出系统．文章给出了四种不同噪声层次下的数据， 的环境系统如河流、空气、湖泊等建立模型可以有效 每组数据 (5inputsand2ouptuts)给出57个采样点，采 的对污染水平进行预测以及时来预防污染． 样时间为一个月，分别对四种模式下的系统采用改进 以上环境系统一般都为多输入多输 出复杂模型， 的BP神经网络建立模型并分析辨识结果． 传统的最小二乘算法 1【】针对单输入单输出线性系统有 较好 的辨识效果，但不适用于非线性系统，人工神经 1 算法介绍 网络(ANN )模型[2】是通过模拟人的大脑神经处理信息 前向反馈(backpropagation，BP)N~[q是是一种反 的方式，进行信息并行处理和非线性转换的复杂网络 向传递并能修正误差的多层映射 网络，参数适当时， 系统，神经网络的优点是多输入多输出实现了数据的 此网络能够收敛到较小的均方差。是 目前应用最广的 并行处理及 自学习能力．因此，ANN 对于多输入多输 神经网络之一． 出的复杂系统辨识效果较好． BP网络是一种多层前馈神经网络，它的名字源于 本文 以伊“利湖”系统为例