基于MATLAB实现模糊神经网络模型在企业水环境中应用.docVIP

基于MATLAB实现模糊神经网络模型在企业水环境中应用摘要：指出了水质评价是进行水环境容量计算和实施水污染控制规划的重要基础。应用模糊神经网络原理,以某企业污水处理站的检验数据为依据,选择3个评价参数,使用MATLAB函数工具箱编程,建立了T-S模型,经过仿真得出评价结果,研究表明:该方法能正确评价水质的样本,具有较好地客观性和预测性。 关键词：模糊神经网络;企业水环境;评价 收稿日期：20120410 基金项目：国家自然科学基金资助项目(编号;山东省自然科学基金资助项目(编号:ZR2011DQ009);山东省研究生教育创新计划 项目(编号:SDYC11147)资助 作者简介：朱敏（1974—），女,湖南常德人,工程师,主要从事企业水环境研究工作。 通讯作者：李锐（1963—），男,湖南新化人,教授,博导,主要从事环境经济学方面的教学与研究工作。中图分类号：X73文献标识码：A文章编号：16749944(2012)05015003 1引言 随着经济的发展和污染负荷的增加,人们认识到浓度控制已不能从根本上解决污染问题。而我国对水环境的研究,也主要集中在对水源地的分析和控制中。随着工业企业对水环境的重视,开始逐步尝试用处理过的中水进行循环使用,但是对多指标的水质评价缺乏定性的判断。而在对水环境的评价方法中,由于参与的评价因子众多,并且与水质等级之间存在的是非常复杂的非线性关系,所以至今都没有形成统一的方法。常规的地下水水质评价方法有综合指数法、模糊综合评价法、灰色聚类法等［1］,这些方法都还存在着一些不足。近年来,随着神经网络的发展,国内外很多从事地下水研究的学者将神经网络引入水质评价中,取得了较好的评价效果,表明研究神经网络处理水质评价具有非常现实的意义。 模糊理论和神经网络技术是近几年来人工智能研究较为活跃的两个领域［2］。模糊神经网络(Fuzzy Neural Network,FNN)是在神经网络(Neural Network,NN)和模糊系统(Fuzzy System,FS)的基础上发展起来的,二者的融合弥补了神经网络在模糊数据处理方面的不足和模糊逻辑在学习方面的缺陷,是一个集语言计算、逻辑推理、分布式处理和非线性动力学过程为一身的系统［3,4］。本文使用这种方法来评价某企业水环境质量,通过MATLAB R2011b 编程实现,其工具箱函数提供了归一化函数mapminmax等,该仿真结果表明,系统具有较好的客观性和预测性。 2模糊神经网络原理 模糊神经网络是一种集模糊逻辑推理的强大结构性知识表达能力与神经网络的强大自学习能力于一体的新技术,它是模糊逻辑推理与神经网络有机结合的产物［6,7］。 2.1模糊数学方法 模糊集概念是模糊数学的特征函数处于中介状态,并用隶属函数表示模糊集。模糊数学是用来描述、研究和处理事物所具有的模糊特征的数学。“模糊”是指它的研究对象,而“数学”是指它的研究方法。 模糊数学中最基本的概念是隶属度和模糊隶属度函数。其中,隶属度是指元素u属于模糊子集f的隶属程度,用μf(u)表示,它是一个在［0,1］之间的数,越接近于0,表示μf(u)属于模糊子集u的程度越小;越靠近1,表示u属于模糊子集f的程度越大。 在模糊数学中,运用隶属度来描述客观事物中很多模糊的界限,而隶属度可用隶属函数来表示。比如水质评价中“污染程度”就是一个模糊概念,因此,作为评价污染程度的分类标准也应具有模糊的特征,用一般的评价方法进行分类别,不尽合理,而用模糊概念进行推理就比较符合客观实际［5］。 2.2TakagiSugeno(T-S)模糊模型 TS模糊模型一般用于多个输入和单个输出的情况。该模型是一种自适应能力很强的模糊系统,该系统不仅能自动更新,而且能不断修正模糊子集的隶属函数。TS模糊系统用如下的“if-then”规则形式来定义,在规则为 的情况下,模糊推理如下: Ri:Ifx1isAi1,x2isAi2，…,xkisAik,then yi=pi1x1+…+pikxk 其中Aij为模糊系统的模糊集,pij(j=1,2,…,k)为模糊系统参数;yi为根据模糊规则得到的输出,输入部分(即if部分)是模糊的,输出部分(即then部分)是确定的,该模糊推理表示输出为输入的线性组合。假设对于输入量x=［x1,x2,…,xk］,首先根据模糊规则计算各输入变量xj的隶属度。 μAij=exp(-(xj-cij)2/bij)j=1,2,…,k;i=1,2,…,n(1) 式中,cij,bij分别为隶属度函数的中心和宽度;k为输入参数数;n为模糊子集数。 将各隶属度进行模糊计算,采用模糊算子为连乘算算子。 wi=μA1j