【正文】 } ? w=2 2 ? b={1} ? b=1 訓(xùn)練兩個(gè)輸入和一個(gè)神經(jīng)元的感知器 ? =newp([2 2。2 +2],1) ? ,=1。 ? p=[[2。2] [1。2] [2 2] [1。1]]。 ? t=[0 1 0 1]。 ? =train(,p,t) ? w={1,1} ? w=3 1 ? b={1} ? b=0 ? a=sim( p) ? a=0 0 1 1 感知器訓(xùn)練 ? =newp([2 2。2 +2],1) ? ,=10。 ? p=[2 2。1 2。2 2。1 1]39。 ? t=[0 1 0 1]。 ? =train(,p,t) ? w={1,1} ? w=2 3 ? b={1} ? b=1 ? a=sim( p) ? a=0 1 0 1 0 0 . 5 1 1 . 5 2 2 . 5 300 . 10 . 20 . 30 . 40 . 50 . 60 . 70 . 80 . 913 E p o c h sTrainingBlue GoalBlackP e r f o r m a n c e i s 0 , G o a l i s 0clc clear。 P=[0 0 0 0 0 0。 1 。 0 1 。 1 1 。 0 1 。 0 0 1 。 1 1 。 0 0 0 。 0 0 0 。 0 0 。 0 0 0 。 0 1 。 0 1 ]。 T=[0 ]。 =newff(minmax(P39。),[12,1],{39。logsig39。,39。purelin39。})。 =200。 =train(,P39。,T)。 Y=sim(,P39。) TY PP=[ 0 0 1 。 1 。 1 。 0 0 1 ]39。 Ysim=sim(,PP) Tsim=[ ] YsimTsim BP網(wǎng)絡(luò)預(yù)測(cè)地震 MATLAB程序 基于 BP網(wǎng)絡(luò)的地震預(yù)測(cè) 輸出層 ...隱含層 ...輸入層 ... 由四個(gè)過(guò)程組成：輸入模式由輸入層經(jīng)隱含層向輸出層的 “ 模式順傳播 ” 過(guò)程，網(wǎng)絡(luò)的希望輸出與實(shí)際輸出之差的誤差信號(hào)由輸出層向輸入層逐層修正連接權(quán)的 “ 誤差逆?zhèn)鞑?” 過(guò)程，由 “ 模式順傳播 ” 與 “ 誤差逆?zhèn)鞑?” 的反復(fù)交替進(jìn)行的網(wǎng)絡(luò) “ 記憶訓(xùn)練 ” 過(guò)程，網(wǎng)絡(luò)趨向收斂即網(wǎng)絡(luò)的全局誤差趨向極小值的 “ 學(xué)習(xí)收斂 ”過(guò)程。歸結(jié)起來(lái)為， “ 模式順傳播 ” →“ 誤差逆?zhèn)鞑?” →“ 記憶訓(xùn)練 ” →“ 學(xué)習(xí)收斂 ” 過(guò)程。 BP 網(wǎng)絡(luò)的學(xué)習(xí) (1)網(wǎng)絡(luò)實(shí)質(zhì)上實(shí)現(xiàn)了一個(gè)從輸入到輸出的映射功能，而數(shù)學(xué)理論已證明它具有實(shí)現(xiàn)任何復(fù)雜非線(xiàn)性映射的功能。這使得它特別適合于求解內(nèi)部機(jī)制復(fù)雜的問(wèn)題； (2)網(wǎng)絡(luò)能通過(guò)學(xué)習(xí)帶正確答案的實(shí)例集自動(dòng)提取 “ 合理的 ” 求解規(guī)則，即具有自學(xué)習(xí)能力； (3)網(wǎng)絡(luò)具有一定的推廣、概括能力。 BP網(wǎng)絡(luò)的優(yōu)點(diǎn) 地震預(yù)測(cè)是地理問(wèn)題研究領(lǐng)域中的一個(gè)重要課題，準(zhǔn)確的地震預(yù)測(cè)可以幫助人們即使采取有效措施，降低人員傷亡和經(jīng)濟(jì)損失。引發(fā)地震的相關(guān)性因素很多，其產(chǎn)生機(jī)理的復(fù)雜性、孕育過(guò)程的非線(xiàn)性和認(rèn)識(shí)問(wèn)題的困難性使得人們很難建立較完善的物理理論模型。對(duì)有關(guān)物理參數(shù)加以精確的描述，只能借助一些觀(guān)測(cè)到的相關(guān)現(xiàn)象進(jìn)行分析、總結(jié)和推理。 二．背景描述 傳統(tǒng)的非線(xiàn)性系統(tǒng)辨識(shí)在理論研究和實(shí)際應(yīng)用方面都存在著極大的困難，而ＢＰ網(wǎng)絡(luò)具有通過(guò)學(xué)習(xí)逼近任意非線(xiàn)性影射的能力， 將ＢＰ網(wǎng)絡(luò)應(yīng)用于非線(xiàn)性系統(tǒng)的建模與辨識(shí)，可以不受非線(xiàn)性模型的限制，易于實(shí)現(xiàn)學(xué)習(xí)算法。ＢＰ網(wǎng)絡(luò)在非線(xiàn)性系統(tǒng)的預(yù)測(cè)方面有著廣泛的應(yīng)用。相對(duì)于傳統(tǒng)的預(yù)測(cè)方法，神經(jīng)網(wǎng)絡(luò)在處理這方面問(wèn)題中有著獨(dú)特的優(yōu)勢(shì)。 三、問(wèn)題的提出 以我國(guó)西南某地震常發(fā)地區(qū)的地震資料作為樣本來(lái)源，實(shí)現(xiàn)基于神經(jīng)網(wǎng)絡(luò)的地震預(yù)測(cè)。根據(jù)這些地震資料，提取出 7個(gè)預(yù)測(cè)因子和實(shí)際發(fā)生的震級(jí) M作為輸入和目標(biāo)向量。預(yù)測(cè)因子為： （ 1）半年內(nèi) M大于等于 3的地震累計(jì)頻度； （ 2）半年內(nèi)能量釋放積累值； （ 3） b值； （ 4）異常地震帶個(gè)數(shù)； （ 5）地震條帶個(gè)數(shù)； （ 6）是否處于活動(dòng)期內(nèi)； （ 7）相關(guān)地震區(qū)地震震級(jí)。 四、實(shí)際應(yīng)用 一共收集 10個(gè)學(xué)習(xí)樣本，如表 1所示 地 震 累 計(jì)頻度 累計(jì)釋放能量 b值 異 常 地 震群個(gè)數(shù) 地震條帶個(gè)數(shù) 活動(dòng)周期 相 關(guān) 區(qū)震級(jí) 實(shí)際震級(jí) 0 0 0 0 0 0 0 1 0 1 1 1 4183 0 1 0 0 1 1 1 0 0 0 0 0 0 0 0 表 1 學(xué)習(xí)震例 表 1 中的前 7項(xiàng)為學(xué)習(xí)樣本的輸入因子，輸出因子為實(shí)際震級(jí)，利用上表中的學(xué)習(xí)震例對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。在訓(xùn)練前，應(yīng)對(duì)數(shù)據(jù)進(jìn)行歸一化處理。表 1中的數(shù)據(jù)已經(jīng)是歸一化后的數(shù)據(jù)了。 BP網(wǎng)絡(luò)設(shè)計(jì) 在這里采用單隱層的 BP網(wǎng)絡(luò)進(jìn)行地震預(yù)測(cè)。在三層BP網(wǎng)絡(luò)中隱含層神經(jīng)元個(gè)數(shù) a和輸入層神經(jīng)元個(gè)數(shù) b之間有以下近似關(guān)系： a=2b+1。由于輸入樣本為 7維向量，因此，輸入層一共有 7個(gè)神經(jīng)元，則中間層應(yīng)該有 15個(gè)神經(jīng)元。網(wǎng)絡(luò)只有 1個(gè)輸出數(shù)據(jù)，則輸出層只有 1個(gè)神經(jīng)元，因此，網(wǎng)絡(luò)應(yīng)該為 7*15*1的結(jié)構(gòu)。 按照 BP網(wǎng)絡(luò)的一般設(shè)計(jì)原則，中間層神經(jīng)元的傳遞函數(shù)為 S型正切函數(shù)。由于輸出已被歸一化到區(qū)間 [0， 1]中，因此，輸出層神經(jīng)元的傳遞函數(shù)可以設(shè)定為 S型對(duì)數(shù)函數(shù)。 BP網(wǎng)絡(luò)訓(xùn)練與測(cè)試 對(duì)于上面得到的 BP網(wǎng)絡(luò)，利用表 1中的數(shù)據(jù)進(jìn)行訓(xùn)練。訓(xùn)練后的網(wǎng)絡(luò)才有可能滿(mǎn)足實(shí)際應(yīng)用的要求。訓(xùn)練參數(shù)的設(shè)定：訓(xùn)練次數(shù)為 10000，訓(xùn)練目標(biāo)為 ，其他參數(shù)取默認(rèn)值。 經(jīng)過(guò) 3768次訓(xùn)練后，網(wǎng)絡(luò)的目標(biāo)誤差達(dá)到要求，如圖 2所示 圖 2 訓(xùn)練結(jié)果 表 2 測(cè)試數(shù)據(jù) 地震累 計(jì)頻度 累計(jì)釋 放能量 B值 異常地震 群個(gè)數(shù) 地震條 帶個(gè)數(shù) 活動(dòng) 周期 相關(guān)區(qū) 震級(jí) 實(shí)際 震級(jí) 0 0 0 0 1 0 1 0 0 1 1 1 0 0 1 輸出結(jié)果經(jīng)過(guò)反歸一化處理后得到預(yù)測(cè)震級(jí)，和實(shí)際震級(jí)相比較可得到網(wǎng)絡(luò)的預(yù)測(cè)誤差，反歸一化處理采用公式： x^=(xxmin)/(xmaxxmin) 。 實(shí)際 震級(jí) 預(yù)測(cè) 震級(jí) 預(yù)測(cè) 誤差 表 3 預(yù)測(cè)誤差 訓(xùn)練誤差曲線(xiàn) 0 1 2 3 4 5 6103010251020101510101051006 E p o c h sTrainingBlueP e r f o r m a n c e i s 6 . 0 2 0 7 5 e 0 3 2 , G o a l i s 0訓(xùn)練與測(cè)試結(jié)果的比較 0 2 4 6 8 10 12 1400 . 10 . 20 . 30 . 40 . 50 . 60 . 70 . 80 . 91實(shí)際輸出網(wǎng)絡(luò)輸出訓(xùn)練結(jié)果 測(cè)試結(jié)果 網(wǎng)絡(luò)輸出 實(shí)際輸出 1 1 . 5 2 2 . 5 3 3 . 5 40 . 3 50 . 40 . 4 50 . 50 . 5 50 . 60 . 6 50 . 70 . 7 5網(wǎng)絡(luò)結(jié)果實(shí)際結(jié)果實(shí)際輸出 測(cè)試輸出 針對(duì)地震預(yù)測(cè) ， 傳統(tǒng)的非線(xiàn)性系統(tǒng)辨識(shí)在理論研究和實(shí)際應(yīng)用方面都存在極大的困難 。 而ＢＰ網(wǎng)絡(luò)具有逼近任意非線(xiàn)性影射的能力 ， 可以不受非線(xiàn)性模型的限制 ,并且學(xué)習(xí)算法簡(jiǎn)單 。 因此 ， 可以將ＢＰ網(wǎng)絡(luò)應(yīng)用于地震預(yù)測(cè) ,通過(guò)仿真圖可以看到ＢＰ網(wǎng)絡(luò)在地震預(yù)測(cè)系統(tǒng)中預(yù)測(cè)效果也是比較好的 ， 滿(mǎn)足實(shí)際要求 。 五、總結(jié) 參考文獻(xiàn)： [1]羅軍輝 , 馮平等 . MATLAB 用 .北京：機(jī)械工業(yè)出版社 ， 2022 [2]聞新 ,周露等 . MATLAB神經(jīng)網(wǎng)絡(luò)仿真與應(yīng)用 .北京：科學(xué)出版社 ， 2022 [3]李士勇 .模糊控制 .神經(jīng)控制和智能控制 .哈爾濱：哈爾濱工業(yè)大學(xué)出版社 ， 1998 第一次作業(yè) ?設(shè)計(jì)一個(gè) BP網(wǎng)絡(luò)模型 ?要求： ? ； ? ? ， 包括輸入和輸出 ， 盡可能多 ? ? （ 表格形式 ） ? 1份 ， 并發(fā)送至 ?注 :具體格式要求見(jiàn) ?密碼： 123456