【正文】 ........................................ 7 隱層節(jié)點(diǎn)數(shù) .......................................................... 7 ........................................................ 8 ............................................... 10 隱層的數(shù)目 ......................................................... 10 隱層神經(jīng)元數(shù)的選擇 ................................................. 10 學(xué)習(xí)率 ? 和動(dòng)量因子 ? ............................................... 12 初始權(quán)值的選擇 .................................................... 12 收斂誤差界值 Emin .................................................. 12 輸入 數(shù)據(jù)的預(yù)處理 ................................................... 12 3 MATLAB 實(shí)現(xiàn)和結(jié)果分析 ................................................. 13 MATLAB 神經(jīng)網(wǎng)絡(luò)工具箱的應(yīng)用 .......................................... 13 基于 MATLAB 的 BP算 法的實(shí)現(xiàn)過程 ...................................... 13 ......................................................... 13 4結(jié)語 ................................................................... 19 致謝 .................................................................... 19 參考文獻(xiàn) ................................................................ 20 基于神經(jīng)網(wǎng)絡(luò)的空氣質(zhì)量檢測 專業(yè) 姓名 指導(dǎo)教師 姓名 摘要： 空氣質(zhì)量的 好壞反映了空氣污染程度，它是依據(jù)空氣中污染物濃度的高低來判斷的。 MATLAB neural work toolbox 引言 神經(jīng)網(wǎng)絡(luò) (又稱人工神經(jīng)網(wǎng)絡(luò) ,Neural Networks),是由眾多簡單的神經(jīng)元連接而成的一個(gè)網(wǎng)絡(luò) ,通過模擬人 腦細(xì)胞的分布式工作特點(diǎn)和自組織功能實(shí)現(xiàn)并行處理、自學(xué)習(xí)和非線性映射等功能。論文將 BP 神經(jīng)網(wǎng)絡(luò)應(yīng)用到環(huán)境空氣質(zhì)量當(dāng)中，利用 MATLAB 的神經(jīng)網(wǎng)絡(luò)工具箱訓(xùn)練網(wǎng)絡(luò)，建立起了環(huán)境空氣質(zhì)量檢測模型。然后計(jì)算 ???21 2sk kikii we ?，并同樣通過將 ie 與該層激活函數(shù)的一階導(dǎo)數(shù) 1?f 相乘，而求得 ij? ，以此求出前層權(quán)值的變化量 ijw1? 。輸出變量即為系統(tǒng)待分析的外生變量（系統(tǒng)性能指標(biāo)或因變量），可以是一個(gè)，也可以是多個(gè)。再者，為保證建立的模型具有一定的外推能力，最好使數(shù)據(jù)預(yù)處理后 的值在 ～ 之間。因?yàn)槟苡脝螌臃蔷€性網(wǎng)絡(luò)解決的問題，用自適應(yīng)線性網(wǎng)絡(luò)一定也能解決，而且自適應(yīng)線性網(wǎng)絡(luò)的運(yùn)算速度還更快。 在確定隱層節(jié)點(diǎn)數(shù)時(shí)必須滿足下列條件： (1)隱層節(jié)點(diǎn)數(shù)必須小于 N1（其中 N 為訓(xùn)練樣本數(shù)），否則，網(wǎng)絡(luò)模型的系統(tǒng)誤差與訓(xùn)練樣本的特性無關(guān)而趨于零，即建立的網(wǎng)絡(luò)模型沒有泛化能力，也沒有任何實(shí)用價(jià)值。因此，通過訓(xùn)練樣本的學(xué)習(xí)（訓(xùn)練）建立合理的 BP 神經(jīng)網(wǎng)絡(luò)模型的過程，在國外被稱為“藝術(shù)創(chuàng)造的過程”，是一個(gè)復(fù)雜而又十分煩瑣和困難的過程。理論上其值大小應(yīng)與權(quán)值修正量的大小有關(guān)，但實(shí)際應(yīng)用中一般取常量。 要分析建立的網(wǎng)絡(luò)模型對樣本所蘊(yùn)含的規(guī)律的逼近情況（能力），即泛化能力，應(yīng)該也必須用非訓(xùn)練樣本（檢驗(yàn)樣本和測試樣本）誤差的大小來表示和評價(jià)，這也是之所以必須將總樣本分成訓(xùn)練樣本和非訓(xùn)練樣本而絕不能將全部樣本用于網(wǎng)絡(luò)訓(xùn)練的主要原因之一。 對于不同的網(wǎng)絡(luò)結(jié)構(gòu)，網(wǎng)絡(luò)模型的誤差或性能和泛化能力也不一樣。 前饋型 BP 網(wǎng)絡(luò)即誤差逆?zhèn)鞑ド窠?jīng)網(wǎng)絡(luò)是最常用、最流行的神經(jīng)網(wǎng)絡(luò)。 隱層的數(shù)目 理 論上雖然證明了這類網(wǎng)絡(luò)的逼近能力，對于網(wǎng)絡(luò)結(jié)構(gòu)的要求，并沒有給出明確的說明。 神經(jīng)網(wǎng)絡(luò)模型的各層節(jié)點(diǎn) 數(shù)分別為：輸入層 3個(gè)；隱層 5個(gè)；輸出層 1個(gè)。 初始權(quán)值的選擇 在前饋多層神經(jīng)網(wǎng)絡(luò)的 BP 算法中，初始權(quán)、閾值一般是在一個(gè)固定范圍內(nèi)按均勻分布隨機(jī)產(chǎn)生的。本文神經(jīng)網(wǎng)絡(luò)的誤差界值 Emin 為 ，即在迭代 計(jì)算時(shí)誤差值 E﹤ Emin＝ 時(shí)，則認(rèn)為學(xué)習(xí)完成，停止計(jì)算，輸出結(jié)果。 3 MATLAB 實(shí)現(xiàn)和結(jié)果分析 MATLAB 神經(jīng)網(wǎng)絡(luò)工具箱的應(yīng)用 在網(wǎng)絡(luò)訓(xùn)練過程中使用的是 Matlab for Windows 軟件，對于 BP神經(jīng)元網(wǎng)絡(luò)的訓(xùn)練使用了 Neural Networks Toolbox for Matlab。 MATLAB 的神經(jīng)網(wǎng)絡(luò)工具箱提供了最多 3 層向前網(wǎng)絡(luò)，隱層神經(jīng)元傳遞函數(shù)多為 S型函數(shù)，這種非線性傳遞函數(shù)神經(jīng)元可以學(xué)習(xí)輸入輸出之間的線性和非線性關(guān)系；輸出層神經(jīng)元傳遞函 purelin()，這種純線性傳遞 函數(shù)可以拓寬網(wǎng)絡(luò)輸出。 (5) 網(wǎng)絡(luò)仿真。 p2(1,:)=+.*rand(1,200)。 期望目標(biāo) (對于訓(xùn)練樣本與檢測樣本 )： 采用一個(gè)輸出神經(jīng)元 ， 小于一級標(biāo)準(zhǔn)的訓(xùn)練樣本和檢測樣本的期望目標(biāo)輸出為 1； 一、二級標(biāo)準(zhǔn)之間的訓(xùn)練樣本和檢測樣本的期望目標(biāo)輸出為 2； 同理 ， 二、三級標(biāo)準(zhǔn)之間的 訓(xùn)練樣本和檢測樣本的期望目標(biāo)輸出為 3。隱層激勵(lì)函數(shù)為 tansig()函數(shù)，輸出層激勵(lì)函數(shù)為線性函數(shù) purelin() 網(wǎng)絡(luò)對象建立的主程序如下所示 ： [R, Q]=size(p) 。 =7000。+b39。輸出 39。 text(400,39。 [m,b,r]=postreg(y,t)。 （ 2） 在應(yīng)用 MATLAB工具箱函數(shù)實(shí)現(xiàn) BP網(wǎng)絡(luò)功能時(shí) ， 應(yīng)將原始數(shù)據(jù)進(jìn)行歸一化 ， 否則 ，網(wǎng)絡(luò)難以收斂。面向 MATLAB工具箱的神經(jīng)網(wǎng)絡(luò)理論與應(yīng)用第二版 (M)中國科學(xué)技術(shù)大學(xué)出版社， 2020年 [3]李祚泳，丁晶，彭荔紅編著。智能控制（ M），重慶大學(xué)出版社 2020年 [6]趙玉杰 ， 師榮光 ， 高懷友等編著 。從開始進(jìn)入課題到搜集資料，從寫稿到反復(fù)修改，期間經(jīng)歷了喜悅、煩 躁、痛苦和彷徨，在寫作論文的過程中心情是如此復(fù)雜。 檢驗(yàn)樣本輸出結(jié)果： 圖 12 檢驗(yàn)樣結(jié)果仿真本圖 由上圖可知：對訓(xùn)練樣本而言，當(dāng)輸入為小于一級標(biāo)準(zhǔn)的限值時(shí)輸出均在 1 左右；當(dāng)輸入大于一級限值小于二級限值時(shí)，輸出均在 2左右；當(dāng)輸入大于二級限值小于三級限值時(shí)，輸出均在 3左右。)。 text(200,1,39。or39。 =。S1=5。 t2=1+ones(1,200)。 p2(3,:)=+.*rand(1,200)。 訓(xùn)練神經(jīng)網(wǎng)絡(luò) 空氣質(zhì)量評價(jià)標(biāo)準(zhǔn)參照表 1，具體見附錄 1 中華人民共和國 國家標(biāo)準(zhǔn)環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)(GB30951996)各項(xiàng)污染物的濃度限值（ 1999 年） 表一 空氣質(zhì)量評價(jià)標(biāo)準(zhǔn)參照 污染物名稱 Pollutants 取值時(shí)間 Time 濃度限度 concentration value 濃度單位 Concentrention unit 一級 level one 二級 Level two 三級 Level three 二氧化硫（ SO2） 日均值 mg/m3 可吸入顆粒物（ PM10） Daily average 二氧化氮（ NO2） (1)準(zhǔn)備工作 訓(xùn)練樣本、檢測樣本及其期望目標(biāo)的生成。隱層節(jié)點(diǎn)數(shù)太多，網(wǎng)絡(luò)訓(xùn)練時(shí)間長；節(jié)點(diǎn)太少，誤差精度又達(dá)不到要求。 MATLAB 中的神經(jīng)網(wǎng)絡(luò)工具箱以神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)，利用 MATLAB 腳本語言構(gòu)造出典型的神經(jīng)網(wǎng)絡(luò)激活函數(shù)，使設(shè)計(jì)者對所選網(wǎng)絡(luò)的計(jì)算變成對激活函數(shù)的調(diào)用 ,可以大大方便權(quán)值訓(xùn)練，減少訓(xùn)練程序工作量，有效的提高工作效 率，為用戶提供了極大方便。前饋型靜態(tài)網(wǎng)絡(luò)的神經(jīng)元作用函數(shù)的總輸入是與其相連的其它神經(jīng)元輸出的加權(quán)，在使用 BP 算法時(shí)，要防止神經(jīng)元進(jìn)入飽和狀態(tài)，必須限制與其相連的其它神經(jīng)元的輸出幅值。初始權(quán)、閾值的選擇因具體的網(wǎng)絡(luò)結(jié)構(gòu)模式和訓(xùn)練樣本不同而有所差別，一般應(yīng)視實(shí)際情況而定。 圖 5 空氣質(zhì)量檢測神經(jīng)網(wǎng)絡(luò)模型 學(xué)習(xí)率