基于Ｍａｔｌａｂ的ＢＰ神经网络应用.docVIP

基于Ｍａｔｌａｂ的ＢＰ神经网络应用 　　摘要：BP学习算法是一种单向传播的多层前向网络，Matlab中的神经网络工具箱是以人工神经网络理论为基础，基于Matlab的工具箱，结合西瓜仁重的预测，验证了BP神经网络预测西瓜仁重的可行性，且BP算法收敛速度快，误差小，值得在预测作物生长中推广。 　　关键词：Matlab；BP神经网络；预测 　　中图分类号：TP183文献标识码：A文章编号：1009-3044(2008)19-30124-02 　　Based on Matlab BP Neural Network Application 　　YANG Bao-hua 　　(Institute of Information and Computer, Anhui Agricultural University, Hefei 230036, China) 　　Abstract: BP learning algorithm is a one-way transmission of multi-layer to the network, Matlab toolbox is based on the theory of artificial neural network, based on Matlab toolbox, with watermelon-heavy forecasts, BP neural network forecast the feasibility of re-watermelon is verified, and fast convergence, small error, should be promoted in the forecast crop growth. 　　Key words: Matlab; BP Neural Networks; Forecast 　　 　　1 引言 　　 　　人工神经网络是人工构造的模拟人脑功能而构建的一种网络，BP神经网络是结构较简单、应用最广泛的一种模型，BP神经网络是Rumelhart等在1986年提出的。它是一种单向传播的多层前向网络，一般具有三层或三层以上的神经网络，包括输入层、中间层（隐层）和输出层[1]，其模型见图1所示。 　　■ 　　图1 BP网络模型 　　Matlab中的神经网络工具箱是以人工神经网络理论为基础，利用Matlab语言构造出许多典型神经网络的传递函数、网络权值修正规则和网络训练方法。网络的设计者可根据自己的需要调用工具箱中有关神经网络的设计与训练的程序，免去了繁琐的编程过程。 　　红籽瓜(Red-seed Watermelon)种子即瓜子富含有蛋白质、脂肪、钙、磷及多种维生素，含油率达55%左右，营养颇为丰富，经过精细加工，味道鲜美，市场十分畅销[4]。为了提高瓜子的产量，需要关注很多因素，这些因素的改变会影响瓜子的产量，所以确定哪些因素能预测产量，如何预测是本文研究的内容。本文利用红籽西瓜的测量数据，以单果重，种子数，千粒重，种子重作为输入因子，仁重为输出因子，选择合适的隐层，构建影响红籽西瓜种仁重量的BP网络模型，运用Matlab软件进行预测。 　　 　　2 BP神经网络设计的基本方法 　　 　　Matlab的NNbox提供了建立神经网络的专用函数newff()[5]。用newff函数来确定网络层数、每层中的神经元数和传递函数，其语法为： 　　net=newff(PR,[S1,S2,…,SN],{TF1,TF2,…,TFN},BTF,BLF,PF) 　　式中：PR表示由每个输入向量的最大最小值构成的R×2矩阵；Si表示第i层网络的神经元个数；TF表示第i层网络的传递函数，缺省为tansig，可选用的传递函数有tansig，logsig或purelin；BTF表示字符串变量，为网络的训练函数名，可在如下函数中选择：traingd、traingdm、traingdx、trainbfg、trainlm等，缺省为trainlm；BLF表示字符串变量，为网络的学习函数名，缺省为learngdm；BF表示字符串变量，为网络的性能函数，缺省为均方差“mse”。 　　2.1 网络层数 　　BP网络可以包含不同的隐层，但理论上已经证明，在不限制隐层节点数的情况下，两层（只有一个隐层）的BP网络可以实现任意非线性映射。 　　2.2 输入层节点数 　　输入层起缓冲存储器的作用，它接受外部的输入数据，因此其节点数取决于输入矢量的维数。 　　2.3 输出层节点数 　　输出层节点数取决于两个方面，输出数据类型和表示该类型所需的数据大小。在设计输人层和输出层时，应该尽可能的减小系统规模，使系统的学习时间和复杂性减小。