【正文】 另外，在做設(shè)計(jì)時(shí)還得到了研究生張鍵輝、同組人梁磊英、柴大同、王麗娜的幫助，在此表示衷心的感謝！感謝河北理工大學(xué)，為我提供了一個(gè)開放、團(tuán)結(jié)合作、良好而且愉快的學(xué)習(xí)環(huán)境，感謝老師們對我的幫助與支持。指導(dǎo)教師淵博的知識、嚴(yán)謹(jǐn)?shù)闹螌W(xué)態(tài)度和謙遜的品格，給我留下了深刻的印象。在我做課題期間，劉老師在我的學(xué)習(xí)和生活上都給予了極大的關(guān)心和指導(dǎo)。但因?yàn)闀r(shí)間的原因，沒有實(shí)現(xiàn)。⑶ 沒有將數(shù)據(jù)聚類算法引入模糊神經(jīng)網(wǎng)絡(luò)中。由于任務(wù)的要求較高，難度較大，在研究過程中尚存在一些不足之處，有待于今后的進(jìn)一步研究，主要表現(xiàn)在：⑴ 在頂板及圍巖穩(wěn)定性分類的人工神經(jīng)網(wǎng)絡(luò)方法中，本文只討論了其中具有代表性的BP網(wǎng)絡(luò)模型，其他網(wǎng)絡(luò)模型本文無法一一實(shí)現(xiàn)以判斷其有劣。采用多樣本訓(xùn)練模型。 ⑶ 找出合適多判據(jù)、高精度的神經(jīng)元網(wǎng)絡(luò)模型，確定合理的網(wǎng)絡(luò)結(jié)構(gòu)和規(guī)則，在仿真平臺上進(jìn)行模擬仿真。通過本文的研究工作，關(guān)于BP網(wǎng)絡(luò)在圍巖穩(wěn)定性分類中的應(yīng)用有如下結(jié)論與認(rèn)識：⑴ 系統(tǒng)分析影響煤層頂板穩(wěn)定性諸多因素，包括：頂板類型、地質(zhì)因素、巖層應(yīng)力等。圖92 表示了整個(gè)網(wǎng)絡(luò)的預(yù)測結(jié)果。期望輸出39。實(shí)際輸出39。)。title(39。樣本的輸出值39。)。xlabel(39。plot(x,10)。%gca是獲取當(dāng)前坐標(biāo)軸句柄x=0::25。,[0:1:12])。,[0:1:24],39。set(gca,39。r*39。t5=t1*10+t2。但為了更加清楚地表示出每一個(gè)樣本的期望輸出與實(shí)際輸出的差值，我們分別在橫坐標(biāo) (0,1)、(1,0)和(1,1)處那加了一條橫線，用*號離橫線的距離來判斷它們的誤差。 如果t1＝1，t2＝1，那么t5＝11。那么怎樣才能按我們想的那樣用橫坐標(biāo)表示24個(gè)樣本，縱坐標(biāo)表示網(wǎng)絡(luò)的實(shí)際輸出呢？首先，我們用t5=t1*10+t2?！”Ａ暨@個(gè)圖，以免被另一個(gè)圖覆蓋圖91 就是這段代碼的實(shí)現(xiàn)，我們將兩個(gè)坐標(biāo)軸分別定義為仿真結(jié)果的輸出。,0)。,39。,39。legend(39。整個(gè)網(wǎng)絡(luò)仿真結(jié)果39。)。ylabel(39。輸出樣本值39。 將所畫圖形的x,y軸的大小范圍限定在0~grid on。)。plot(t1,t2,39。t1=a(1,:)。經(jīng)過多次試驗(yàn)，我們發(fā)現(xiàn)，我們可以將圖形的x坐標(biāo)軸定義為取輸出結(jié)果的第一行，即：t1=a(1,:)；將y坐標(biāo)軸定義為輸出結(jié)果的第二行，即：t2=a(2,:)。但本篇論文所做的模型是多輸入多輸出關(guān)系，所需要畫的是多輸入多輸出的圖形。anewn = sim(net,pnewn)。訓(xùn)練結(jié)束后還應(yīng)對網(wǎng)絡(luò)的輸出an = sim(net,pn)作如下處理:a = postmnmx(an,mint,maxt)。具體方法如下:對于輸入矩陣p和輸出矩陣t進(jìn)行歸一化處理的語句為:[pn,minp,maxp,tn,mint,maxt] = premnmx(p,t)。具體方法是調(diào)用工具箱提供的歸一化和反歸一化函數(shù)。即將輸入輸出數(shù)據(jù)映射到[1，+1]范圍內(nèi)。PutFullMatrix([in] BSTR Name,[in] BSTR Workspace,[in,out] SAFEARRAY(double)*pr,[in,out] SAFEARRAY(double)*pi).該方法將VB程序中的一個(gè)一維或二維數(shù)組傳送到指定的Matlab工作空間中。在實(shí)際應(yīng)用中，往往要涉及到將某個(gè)變量從VB通過接口傳到Matlab環(huán)境中運(yùn)行，或者將Matlab環(huán)境中的運(yùn)行結(jié)果通過接口傳回到VB環(huán)境中，這時(shí)候要用到函數(shù) PutFullMatrix和GetFullMatrix。從剪切板中取到圖，并將圖放在Image1中 =() 39。在Matlab中執(zhí)行print語句，即將結(jié)果圖放入剪切板中 (“Print –dbitmat。創(chuàng)建接口application Set Matlab=CreateObject(“”) 39。其他程序通過COM技術(shù)提供的函數(shù)得到自動化對象支持的接口指針，通過調(diào)用接口函數(shù)便可以控制和使用自動化對象了。Matlab可以認(rèn)為是自動化服務(wù)器，可以由其他應(yīng)用程序編程驅(qū)動，自動化服務(wù)器定義的特定的類，而類的實(shí)例即自動化對象。ActiveX自動化是ActiveX的一個(gè)協(xié)議，它允許應(yīng)用程序或組件控制另一個(gè)應(yīng)用程序或組件的運(yùn)行。⑶ 由于M文件只有在Matlab集成環(huán)境中才能被識別和自動運(yùn)行，而根據(jù)后臺運(yùn)行的要求不能顯示地進(jìn)入Matlab集成環(huán)境，,而該文件是在Matlab啟動后自動執(zhí)行的一個(gè)M文件,將Matlab要完成的輸入數(shù)據(jù)、進(jìn)行計(jì)算、輸出數(shù)據(jù)過程，編寫成M文件，從而實(shí)現(xiàn)Matlab的后臺運(yùn)行。 圖 814 接口圖 在具體實(shí)現(xiàn)過程中要注意以下幾個(gè)方面：⑴ 由于Matlab的基本數(shù)據(jù)單位是矩陣，因此在VB應(yīng)用程序中將參與運(yùn)算的數(shù)據(jù)輸出成M文件，以創(chuàng)建和保存矩陣數(shù)據(jù)。 ⑴ Matlab輸入數(shù)據(jù)的方法很多，其中利用M文件直接把數(shù)據(jù)按元素列表方式引入Matlab工作內(nèi)存的方法，不僅語法簡單，而且運(yùn)行時(shí)只需要輸入文件名，Matlab就會自動按順序執(zhí)行M文件中的語句； ⑵ Matlab數(shù)據(jù)輸出的方法也有很多種，為了便于與VB應(yīng)用程序接口，我們可以利用Matlab的指令save輸出數(shù)據(jù)?；赩B和Matlab的上述特點(diǎn)，本文提出了VB與Matlab接口技術(shù)，即利用VB作為前端開發(fā)工具進(jìn)行應(yīng)用程序開發(fā)的同時(shí)，將應(yīng)用程序中較為復(fù)雜的數(shù)學(xué)計(jì)算交由Matlab來完成，從而實(shí)現(xiàn)具有復(fù)雜的數(shù)學(xué)運(yùn)算過程的應(yīng)用程序的開發(fā)。該軟件是一個(gè)高性能的科技計(jì)算軟件，它具有強(qiáng)大的數(shù)值計(jì)算功能、計(jì)算結(jié)果和編程可視化功能和極高的編程效率。它最有利的一面就是快速創(chuàng)建用戶界面，把復(fù)雜而完善的Windows操作系統(tǒng)的使用融于易于學(xué)習(xí)和作用的高級語言中，因而受到廣大工程技術(shù)人員的普遍歡迎。圖813 煤層頂板數(shù)據(jù)查詢模塊 VB和MATLAB接口原理VB是一個(gè)可視化的程序設(shè)計(jì)語言，是一種非常方便的Windows應(yīng)用程序開發(fā)平臺。然后用戶可以在條件組框中選擇結(jié)果要滿足的條件。 圖811 圍巖危險(xiǎn)性預(yù)測界面 圖812 網(wǎng)絡(luò)的預(yù)測結(jié)果 煤層樣本和歷史數(shù)據(jù)的查詢本模塊用來完成煤層數(shù)據(jù)庫中的樣本和歷史數(shù)據(jù)的查詢工作。它和頂板的功能一樣，這里也不再詳細(xì)敘述。圖89和810分別顯示了網(wǎng)絡(luò)的單個(gè)樣本誤差和整體誤差。它和頂板訓(xùn)練窗口功能是一樣的。從這個(gè)窗口中可以看到預(yù)測結(jié)果接近（0,1），表明這個(gè)頂板是穩(wěn)定的。清空按鈕會將4個(gè)文本框清空。圖84 煤層頂板模型訓(xùn)練窗口 圖85 整個(gè)網(wǎng)絡(luò)的預(yù)測結(jié)果 在這個(gè)窗口中用戶只需輸入數(shù)據(jù)，然后點(diǎn)擊預(yù)測按鈕，將用戶輸入的數(shù)據(jù)傳到Matlab環(huán)境下進(jìn)行預(yù)測，這樣仿真平臺就會彈出預(yù)測結(jié)果圖并在界面顯示預(yù)測結(jié)果。 圖85顯示的就是整個(gè)樣本的訓(xùn)練結(jié)果。這里只完成對網(wǎng)絡(luò)的訓(xùn)練及網(wǎng)絡(luò)誤差的顯示，用戶只需選擇其按鈕來實(shí)現(xiàn)。如圖： 圖83影響煤層穩(wěn)定性參數(shù)窗口利用圖84所示的界面形象地描述了訓(xùn)練BP網(wǎng)絡(luò)的過程。數(shù)據(jù)庫中有一個(gè)表提供了影響煤層穩(wěn)定性參數(shù)的數(shù)據(jù)，這通過一個(gè)ADODC控件與數(shù)據(jù)庫相連。通過以菜單為主的方式引導(dǎo)用戶進(jìn)入其他界面，完成預(yù)測預(yù)報(bào)、查看歷史數(shù)據(jù)、仿真結(jié)果圖形顯示、誤差曲線顯示等功能。本應(yīng)用程序首先出現(xiàn)濺射界面，然后進(jìn)入主窗體界面！ 濺射界面由兩部分組成，上邊是一個(gè)標(biāo)簽（Label），下邊是一個(gè)Image控件，圖像是Matlab生成的一個(gè)立體球狀圖！濺射界面在屏幕上停留3秒鐘后自動消失，然后彈出主窗體界面。在這個(gè)平臺上，可以較為真實(shí)地再現(xiàn)數(shù)據(jù)仿真的全過程 ，并能方便地測試煤層頂板及圍巖的穩(wěn)定性。 圖77 實(shí)際問題神經(jīng)網(wǎng)絡(luò)訓(xùn)練及用于計(jì)算的程序框圖第八章 .系統(tǒng)的仿真平臺如圖所示，輸入數(shù)據(jù)的歸一化、各種誤差的確定與繪制。如圖776所示。自適應(yīng)調(diào)整學(xué)習(xí)率有利于縮短學(xué)習(xí)時(shí)間，它的思想是：先給一個(gè)初值，然后利用乘法使之增加或減少，以保持學(xué)習(xí)速度快而且穩(wěn)定。但對于較復(fù)雜的網(wǎng)絡(luò)，在誤差曲面的不同部位可能需要不同的學(xué)習(xí)速率。如果∑e2下將很快，則說明學(xué)習(xí)速率核實(shí)，若∑e2出現(xiàn)振蕩現(xiàn)象，則說明學(xué)習(xí)速率過大。在開始訓(xùn)練時(shí)，使用大的學(xué)習(xí)速率以滿足加快訓(xùn)練速度的要求，而在接近極值點(diǎn)時(shí)，食用小的學(xué)習(xí)速率以有利于網(wǎng)絡(luò)的收斂。為了提高性能，加速收斂過程，同時(shí)又不提高復(fù)雜度和訓(xùn)練時(shí)間。因此需要采用一種新的機(jī)制，使學(xué)習(xí)速率在開始訓(xùn)練是比較大，以加快訓(xùn)練速度；在接近期望輸出時(shí)，使學(xué)習(xí)速率變得比較小，以平滑的收斂。 在最初訓(xùn)練時(shí)。 圖73給出了學(xué)習(xí)速率的大小隊(duì)整體收斂速度的影響的示意圖。如果學(xué)習(xí)速率大，那么在訓(xùn)練時(shí)權(quán)值的修改比較大，收斂的速度快，即向期望輸出靠近的速度快，但是會引發(fā)輸出的振蕩。一旦訓(xùn)練達(dá)到了最大的訓(xùn)練次數(shù)，或者低于最小提督，或者網(wǎng)絡(luò)函數(shù)指標(biāo)降低到期望誤差之下，都會使網(wǎng)絡(luò)停止學(xué)習(xí)。但是這種方法的缺點(diǎn)也是明顯的，參數(shù)的選取只能通過實(shí)驗(yàn)來確定，而且它的學(xué)習(xí)速度還不能滿足實(shí)時(shí)的工作需要。附加動量法使BP神經(jīng)網(wǎng)絡(luò)在修正其權(quán)重和閾值時(shí)，不僅考慮誤差在梯度上的作用，而且考慮在誤差去面上變化趨勢的影響，它允許忽略網(wǎng)絡(luò)上的微小變化特性，該方法是在反向傳播法的基礎(chǔ)上，在每一個(gè)權(quán)重和閾值的變化上加上一項(xiàng)正比于前次權(quán)重和閾值變化量的值，并根據(jù)反向傳播法來產(chǎn)生新的權(quán)重和閾值的變化，帶有附加動量因子的權(quán)重和閾值（X）調(diào)節(jié)公式為：0lr1其中，k為訓(xùn)練次數(shù)，mc為動量因子，lr為學(xué)習(xí)速率，是常數(shù)，E為誤差函數(shù)。 BP網(wǎng)絡(luò)的改進(jìn) 附加動量法 在MATLAB神經(jīng)網(wǎng)絡(luò)工具箱中改進(jìn)的BP算法及其相應(yīng)的訓(xùn)練函數(shù)有：附加動量法（）、自適應(yīng)學(xué)習(xí)速率法(,)、RPROP方法（）等。函數(shù)調(diào)用格式為： a = sim(net,p)；其中net為訓(xùn)練好的網(wǎng)絡(luò)對象，p為輸入向量或矩陣，a為網(wǎng)絡(luò)輸出。如下所示：RAINGDM, Epoch 0/4000, MSE , Gradient TRAINGDM, Epoch 50/4000, MSE , Gradient ……　　　　　　　　　　　　　……TRAINGDM, Epoch2050/4000, MSE , Gradient　TRAINGDM, Epoch 2079/4000, MSE , Gradient 　　　　圖72 訓(xùn)練過程誤差曲線　從圖中可以看出，對此網(wǎng)絡(luò)的訓(xùn)練過程非常快，在經(jīng)過2079個(gè)時(shí)間單位以后，網(wǎng)絡(luò)的誤差就達(dá)到了要求。 網(wǎng)絡(luò)訓(xùn)練。 學(xué)習(xí)速率減少的比率=。 設(shè)置修正值得學(xué)習(xí)速率=。 設(shè)置最大訓(xùn)練循環(huán)次數(shù)=。使用函數(shù)train對網(wǎng)絡(luò)進(jìn)行訓(xùn)練之前，必須先設(shè)置訓(xùn)練參數(shù)，我們設(shè)置訓(xùn)練時(shí)間為4000個(gè)單位時(shí)間，其它參數(shù)如下：=50。在批處理模式中，所有的學(xué)習(xí)樣本都學(xué)習(xí)完成后，連接權(quán)值和閾值才被更新一次。在MATLAB中訓(xùn)練網(wǎng)絡(luò)有兩類模式：逐變模式和批處理模式。Newff在創(chuàng)建網(wǎng)絡(luò)對象的同時(shí)，自動調(diào)用初始化函數(shù)，根據(jù)缺省的參數(shù)對網(wǎng)絡(luò)進(jìn)行連接權(quán)值和閾值初始化。其中參數(shù)net為newff所建立的網(wǎng)絡(luò)，變量net 為初始化后的網(wǎng)絡(luò)。 網(wǎng)絡(luò)的初始化 初始化函數(shù)用于在對所建立的網(wǎng)絡(luò)訓(xùn)練前為網(wǎng)絡(luò)權(quán)矩陣W和閾值向量b賦初始值，此值對算法的收斂性及訓(xùn)練速度具有一定的影響，所以初始化就顯得十分必要和重要。)。},39。,39。本文中我們用下面這條語句來創(chuàng)建BP網(wǎng)絡(luò)：net=newff(minmax(pn),[10,2],{39。這個(gè)函數(shù)有六個(gè)輸入?yún)?shù)，分別是:輸入向量的范圍、網(wǎng)絡(luò)結(jié)構(gòu)、各層變換函數(shù)、訓(xùn)練算法函數(shù)、學(xué)習(xí)函數(shù)和性能函數(shù)。本文中根據(jù)實(shí)際情況，我們采用tansig 和 purlin 兩個(gè)函數(shù)作為網(wǎng)絡(luò)的傳遞函數(shù)。因此，對非線性問題，輸入層和隱含層多采用非線性傳遞函數(shù)，輸出層采用線性函數(shù)，以保持輸出的范圍，就非線性傳遞函數(shù)而言，若樣本輸出均大于零時(shí)，多采用Logsigmoid函數(shù)。MATLAB工具箱提供了三種傳遞函數(shù)：Logsigm