《BP网络用于催化剂配方建模--MATLAB实例》.pdf

BP --MATLAB BP --MATLAB BBPP网络用于催化剂配方建模MMAATTLLAABB实例 本例是《人工神经网络理论、设计及应用》（第二版）中BP网络应用与设计的例子，现 用MATLABF仿真。 介绍：理论上已经证明，三层前馈神经网络可以任意精度逼近任意连续函数。本例采用BP 神经网络对脂肪醇催化剂配方的实验数据进行学习，以训练后的网络作为数学模型映射配方 与优化指标之间的复杂非线形关系，获得了较高的精度。网络设计方法与建模效果如下： （1）网络结构设计与训练 首先利用正交表安排实验，得到一批准确的实验数据作为 神经网络的学习样本。根据配方的因素个数和优化指标的个数设计神经网络的结构，然后用 实验数据对神经网络进行训练。完成训练之后的多层前馈神经网络，其输入与输出之间形成 了一种能够映射配方与优化指标内在联系的连接关系，可作为仿真实验的数学模型。图3.28 给出针对五因素、三指标配方的实验数据建立的三层前馈神经网络。五维输入向量与配方组 成因素相对应，三维输出向量与三个待优化指标[脂肪酸甲脂转化率 TR（%）、脂肪醇产率 YOH（%）和脂肪醇选择性SOH (%)]相对应。通过试验确定隐层结点数为4。正交表安排了18 组实 验 ， 从 而 得 到 18 对训 练 样 本 。 训 练 时 采 用 了 改 进 BP 算法 ： ∆W(t) =ηδX+α∆W(t−1) （2）BP网络模型与回归方程仿真结果的对比 表3.3给出BP网络配方模型与回归方 程建立的配方模型的仿真结果对比。其中回归方程为经二次多元逐步回归分析，在一定置信 水平下经过F检验而确定的最优回归方程。从表中可以看出，采用BP算法训练的多层前馈 神经网络具有较高的仿真精度。 A/ Zn/C B/ C/ Mn/ TR1 TR2/ TR3/ Y Y Y S S S A/ Zn/C B/ C/ Mn/ TR1 TR2/ TR3/ Y Y Y S S S 编号 AA// ZZnn//CC BB// CC// MMnn// TTRR11 TTRR22// TTRR33// YY YY YY SS SS SS Cu u Cu Cu Cu /% % % OH OH OH OH OH OH Cu u Cu Cu Cu /% % % CCuu uu CCuu CCuu CCuu //%% %% %% 1 1/% 2/% 3/% 1/% 2/% 3/% 0.05 0.13 0.08 0.14 0.04 94.5 94.6 83.8 96.3 96.5 95.9 97.8 97.2 102. 0.05 0.13 0.08 0.14 0.04