【正文】 目錄 摘要 2 關鍵詞 2 Abstract 2 Key words 2 引言 3 1 BP神經網絡概述 3 基本原理 3 BP 算法學習過程 4 2 空氣質量檢測模型的建立 6 樣本數據 6 收集和整理分組 6 輸入 /輸出變量的確定及其數據的預處理 6 神經網絡拓撲結構的確定 7 隱層數 7 隱層節(jié)點數 7 神經網絡的訓練 8 神經網絡模型參數的確定 9 隱層的數目 9 隱層神經元數的選擇 10 學習率 ? 和動量因子 ? 11 初始權值的選擇 12 收斂誤差界值 Emin 12 輸入 數據的預處理 12 3 MATLAB實現和結果分析 12 MATLAB 神經網絡工具箱的應用 12 基于 MATLAB 的 BP算 法的實現過程 13 訓練神經網絡 13 4結語 19 致謝 19 參考文獻 19 基于神經網絡的空氣質量檢測 專業(yè) 姓名 指導教師 姓名 摘要： 空氣質量的 好壞反映了空氣污染程度，它是依據空氣中污染物濃度的高低來判斷的。污染物濃度由于受風向、風速、氣溫、濕度、污染源排放情況等多種因素的影響，使得空氣質量問題具有很大的不確定性和一定的復雜性。 神經網絡作為一種描述和刻畫非線性的強有力工具 ,具有較強的自學習、自組織、自適應能力等特點 ,特別適合于對具有多因素性、不確定性、隨機性、非線性和隨時間變化特性的對象進行研究。 本文基于神經網絡的 BP 算法，利用 MATLAB 神經網絡工具箱建立了空氣質量模型。文中， 采用 MATLAB 的 rand()函數在各級評價標準內按隨機均勻分布方式內插生成訓練樣本 和檢驗樣本，利用 premnmx()函數對數據進行預處理， 調用激活函數對網絡權值進行訓練，并同其他評價方法比較，取得了良好的評價結果。同時表明此方法具有一定的客觀性和積極性。 關鍵詞 ： BP神經網絡；空氣質量； MATLAB神經網絡工具箱 The detection of air quality based on neural work Student majoring in xx name Tutor name Abstract： The quality of air quality reflects the extent of air pollution, which is based on the concentration of pollutants in the air to determine the level of the air. Concentration of pollutants due to wind direction, wind speed, air temperature, humidity, pollutant emissions and other factors, makes the issue of air quality is a great uncertainty and a certain degree of plexity. Neural work description and characterization as a powerful tool for nonlinear phenomenon, with strong selflearning, selfanization, the characteristics of adaptive capacity, especially suitable for multifactor, uncertainty, randomness, nonlinear and timevarying characteristics of the object of research. This design bases on the BP neural work algorithm, using MATLAB neural work toolbox to establish air quality model. In this text, using the MATLAB’s rand () function at all levels within the evaluation criteria uniformly distributes random interpolation methods to generate training samples and the samples tested. Then the paper uses premnmx () function on the data preprocessing, and transfers activation function of work weights training and pares with other evaluation methods, and achieved good results which indicate the objectivity and enthusiasm of the design. Key words： BP neural work。 Air quality。 MATLAB neural work toolbox 引言 神經網絡 (又稱人工神經網絡 ,Neural Networks),是由眾多簡單的神經元連接而成的一個網絡 ,通過模擬人 腦細胞的分布式工作特點和自組織功能實現并行處理、自學習和非線性映射等功能。盡管每個神經元結構、功能都不復雜 ,但網絡的整體動態(tài)行為卻是極為復雜的 ,可以組成高度非線性動力學系統(tǒng) ,從而可以表達很多復雜的物理系統(tǒng)。神經網絡作為一種描述和刻畫非線性現象的強有力工具 ,具有較強的自學習、自組織、自適應能力等特點 ,特別適合于對具有多因素性、不確定性、隨機性、非線性和隨時間變化特性的對象進行研究 [5]。 神經網絡在環(huán)境科學與工程中的應用如環(huán)境質量評價、環(huán)境系統(tǒng)因素預測、環(huán)境因素定量關系模擬、構效分析、成因分析和污染防治系統(tǒng)建 模已取得了令人矚目的進展。 空氣質量預報主要是依靠環(huán)境空氣質量自動監(jiān)測系統(tǒng)連續(xù)不斷地實時監(jiān)測數據，并自動傳輸到控制室，經數據處理后得出當天的空氣污染指數，再向社會公布。自動監(jiān)測系統(tǒng)每 4 分鐘就產生一組監(jiān)測數據，連續(xù)不斷地測量，然后計算出小時均值和日均值，一般來說，日均值是采用上一天中午 12時到次日 12 時的數據。根據環(huán)境空氣質量標準和各項污染物對人體健康和生態(tài)的影響來確定各級污染物濃度的限值，詳細請參照附錄表一：中華人民共和國國家標準空氣質量標準（ GB30951996）各項污染物的濃度限值（ 1999年）。 環(huán) 境空氣質量由于受風向、風速、氣溫、濕度、污染源排放情況等多種因素的影響 ,使得環(huán)境空氣質量問題具有很大的不確定性。論文將 BP神經網絡應用到環(huán)境空氣質量當中，利用 MATLAB 的神經網絡工具箱訓練網絡，建立起了環(huán)境空氣質量檢測模型。 1 BP 神經網絡概述 基本原理 BP神經網絡是一種利用誤差反向傳播算法的人工神經網絡，具有很強的自學習自適應抗干擾能力。其網絡結構由輸入層中間層 (隱層 )和輸出層構成，輸入層接收到的信號經過隱層激活放大后再由輸出層，信號傳遞時每一層神經元通過權值只影響下一層神經元的狀態(tài)，結構 模型圖如圖 1 圖 1 BP 神經網絡結構模型圖 其基本原理是：先從基礎數據中給出有代表性的網絡輸入信號 (即訓練樣本 )，并根據所要關心的具體問題構造出期望的目標信號 (教師樣本 )輸入網絡，然后在網絡學習和自適應過程中，通過輸入信號在正向的激活放大傳播和誤差的反向傳播，不斷修改和調整各層神經元的連接權值，使輸出信號與期望目標輸出信號間的誤差減至最小，當其值小于某一給定值時，即認為完成或訓練好該神經網絡，在此基礎上將進行下一步的預測或擬合。 BP 算法學習過程 BP 算法學習過程由信號的正向傳播與誤差的反向傳 播兩個過程組成。 設輸入為 P，輸入神經元有 r個，隱含層內有 s1個神經元，激活函數為 F1，輸出層內有 s2 個神經元，對應的激活函數為 F2，輸出為 A，目標矢量為 T。 （一）正向傳播：輸入樣本→輸入層→各隱層（處理）→輸出層 隱含層中第 i個神經元的輸出為： 1,... ,2,1),11(11 1 sibpwfa ijrj iji ??? ?? 輸出層第 k個神經元的輸出為： 2,...,2,1),212(22 11 skbawfa kisi kik ??? ?? 定義誤差函數為： 221 )2(21),( ?? ??sk kk atBWE 注 1：若輸出層實際輸出與期望輸出（教師信號）不符，則轉入 2）（誤差反 向傳播過程） （二）誤差反向傳播 [2]：輸出誤差（某種形式）→隱層（逐層）→輸入層 輸出層的權值變化 對從第 i個輸入到第 k個輸出的權值，有： ikiikkkikkkikiaafatwaaEwEw112)2(22222????????????????????????? 其中：kkkkkkki ate fefat 2 22)2( ?? ???????? 同理可得：kikkkikkkikifatbaaEbEb???????????????????????2)2(22222 隱含層權值變化 對從第 j個輸入到第 i個輸出的權值，有： jijjkiskkkijiikkijijppfwfatwaaaaEwEw?????????????????????????????????122)2(111221121 其中： 1,2,2,2 21 ????????? ?? fewefeate iijsk kikiikkikkk ??? 同理可得： ijib ???? 1 在 MATLAB 工具箱中，上述公式的計算均已編成函數的形式，通過簡單的書寫調用即可方便地獲得結果。 誤差反向傳播過程實際上是通過計算輸出層的誤差 ke ，然后將其與輸出層激活函數的一階導數 2?f 相乘來求得 ki? 。由于隱含層中沒有直接給出目標矢量，所以利用輸出層的 ki?進行誤差反向傳遞來求出隱含層權值的變化量 kiw2? 。然后計算 ???21 2sk kikii we ?，并同樣通過將 ie 與該層激活函數的一階導數 1?f 相乘，而求得 ij? ，以此求出前層權值的變化量ijw1? 。如果前面還有隱含層，沿用上述同樣方法依此類推，一直將輸出誤差 ke 一層一層的反推算到第一層為止。 注 2：權值調整的過程，也就是網絡的學習訓練過程（這也 就是學習的由來→權值調整）。 BP神經網絡的學習訓練流程圖，如圖 2 圖 2 BP 神經網絡算法流程圖 2 空氣質量檢測模型的建立 樣本數據 [7] 收集和整理分組 采用 BP 神經網絡方法建模的首要和前提條件是有足夠多典型性好和精度高的樣本。而且，為監(jiān)控訓練（學習）過程使之不發(fā)生“過擬合”和評價建立的網絡模型的性能和泛化能力，必須將收集到的數據隨機分成訓練樣本、檢驗樣本（ 10%以上）和測試樣本（ 10%以上） 3部分。此外，數據分組時還應盡可能考慮 樣本模式間的平衡。 輸入 /輸出變量的確定及其數據的預處理 一般地， BP 網絡的輸入變量即為待分析系統(tǒng)的內生變量（影響因子或自變量）數，一般根據專業(yè)知識確定。若輸入變量較多，一般可通過主成份分析方法壓減輸入變量，也可根據剔除某一變量引起的系統(tǒng)誤差與原系統(tǒng)誤差的比值的大