基于模拟退火优化BP神经网络的pH值预测.pdfVIP

第27卷 第 12期 传 感 技 术 学 报 Vol_27 No．12 2014年 12月 CHINESE JOURNALOF SENSORSAND ACTUATORS Dee．2014 OptimizedBPNeuralNetworkBasedonSimulatedAnnealing Algorithm forpH ValuePrediction YOULihua ， Jingjing ，WANGYao ，SONGShujuan (1．SchoolofMechanicalEngineering，JiangnanUniversity，WuxiJiangsu214122，China； 2．JiangsuKeyLaboratoryofAdvancedFoodManufacturingEquipmentandTechnology，WuxiJiangsu214122，China) Abstract：InordertodetermineaccuratepH valueofwaterautomatically，sufficientandtypicaldataofpH value measuringtestsarecollectedassamples，andapH valuepredictionmethodofoptimizedBP neuralnetworkbased on simulatedannealingalgorithm ispresented．The simulated annealingalgorithm isemployed to optimize the weightsandthresholdsofBP neuralnetwork，and selectionmethodsofthetrainingsamplesandthenumberofthe hiddenlayernodesareimproved，thusyieldanoptimalsolutionofBP neuralnetwork．TheobtainedBP neuralnet— workistestedbysamples，andthepredictionresultsarecomparedwithonesgivenbyanonlinearregressionmethod． ExperimentalresultsexhibitthattheproposedmethodprovidesbetterfittingabilityandhigheraccuracyforpH value prediction． Keywords：BP neuralnetwork；simulatedannealing；pH value；nonlinearregression EEACC：7230 doi：10．3969／j．issn．1004-1699．2014．12．011 基于模拟退火优化 BP神经网络的pH值预测术 尤丽华 ，吴静静 ， ，王 瑶 ，宋淑娟 ， (1．江南大学机械工程学院，江苏 无锡 214122；2．江苏省食品先进制造装备技术重点实验室，江苏 无锡 214122) 摘 要 ：为自动准确测定水质pH值，采用大量的具有代表性的pH值检测数据为样本，提出了一种基于模拟退火优化BP神 经网络的pH值预测方法。利用模拟退火算法优化 BP网络的权值，调整优化样本的选取和隐层神经元数，训练 BP神经网络 预测模型得到最优解。由测试样本对网络进行了预测试验 ，并与非线性回归的预测结果进行了对比。结果表明，该方法对水 质pH值预测具有较好的非线性拟合能力和更高的预测准确性。 关键词 ：BP神经网络；模拟退火；pH值；非线性回归 中图分类号：TP212 文献标识码 ：A 文章编号：1004-1699(2014)12-1643-06 不管是地层水、生活饮用水 ，还是工业用水的检 (B)3个颜色分量 J，根据颜色值 自动判读水质的 测，pH值和氯离子浓度是需测量 的重要参数 ¨。 pH值。针对 pH值的自动判读 问题，本文根据实测 目前，地层水氯离子浓度测定大多采用实验室常规