第30卷第10期通化師范學(xué)院學(xué)報vL.30№102009年10月JOURNAL OF TONGHUA TEACHERS COLLEGE0ct.2009BP神經(jīng)網(wǎng)絡(luò)模型在空分制氧質(zhì)量預(yù)測中的應(yīng)用郭丹,李洋(通化師范學(xué)院計算機科學(xué)系,吉林通化134002)要:建立BP神經(jīng)網(wǎng)絡(luò)模型對空分制氧氧氣提取純度進行預(yù)測依據(jù)BP算瀆的基本原理、建立網(wǎng)絡(luò)模型的基本原則和步嚷,確定建模對象、閂絡(luò)結(jié)構(gòu),抽取相關(guān)數(shù)操進行訓(xùn)練將訓(xùn)練樣本和測試樣本進行對比,二者具有相同的擬合能力能對未知結(jié)果做出預(yù)測關(guān)鵪詞:空分制氧;BP神經(jīng)網(wǎng)絡(luò);網(wǎng)絡(luò)訓(xùn)練中圖分類號:TP302.1文獻標(biāo)志碼:A文章號:1008-7974(2009)10-0036-03收稿日期:200-04-2作者簡介:郭丹(198一),女,吉林通化市人,碩士,通化師范學(xué)院計算機科學(xué)系講師1引言用的傳遞函數(shù)是 Sigmoid型函數(shù):氧氣的制造,在國內(nèi)外許多工業(yè)領(lǐng)域都十分熱sig(n)=1/(1+exp(-n))門原因在于氧氣的應(yīng)用特別廣泛無論是在鋼鐵行BP算法中有兩個參數(shù)a和,其中權(quán)重修正系業(yè)、有色金屬行業(yè)、化學(xué)工業(yè),還是在機械工業(yè)、國防數(shù)n對收斂影響很大采用并行模擬退火遺傳算法得工業(yè)、醫(yī)療部門,都離不開氧氣的使用到這兩個參數(shù)的較優(yōu)值.另外,三層以上神經(jīng)網(wǎng)絡(luò)使隨著時間的推移和技術(shù)的不斷發(fā)展,工業(yè)制氧用BP算法時初始權(quán)值不能過大或過小那樣會影響方法出現(xiàn)了很多種但被大量采用的是空氣分離法,學(xué)習(xí)速度,也不能都為零或都相同,否則隱層各單元即將空氣壓縮冷卻使空氣飽和液化,利用氧、氮成不能出現(xiàn)差異運算不能正常進行因此開始時的初分的沸點差用精餾的方法將氧氮分離從而獲得高始值選為權(quán)值在(-1,1)之間的隨機分布的小數(shù)純度的氧和氮3建模的基本原則和步驟為了提高工作效率減少資源浪費、材料耗費等為確保BP網(wǎng)絡(luò)模型的泛化能力,建模過程必須目的采用目前引起工業(yè)領(lǐng)域?qū)W者和專家極大關(guān)注遵循一定的基本原則和步驟建立BP網(wǎng)絡(luò)模型的基的人工智能方法一BP神經(jīng)網(wǎng)絡(luò)模型,對整個空氣制本原則和步驟如下氧流程進行監(jiān)控,能夠?qū)崿F(xiàn)對其提氧純度的預(yù)測①樣本數(shù)據(jù)的收集和分組要求收集盡可能多2BP基本理論和典型性好的樣本數(shù)據(jù),并且確定是正確的數(shù)據(jù)源BP( Back Propagation)神經(jīng)網(wǎng)絡(luò)是一種單向傳未經(jīng)處理的或者虛假的數(shù)據(jù)將妨礙對網(wǎng)絡(luò)的正確訓(xùn)播的多層前饋神經(jīng)網(wǎng)絡(luò),BP學(xué)習(xí)算法是 Rumelhart練然后將收集到的數(shù)據(jù)隨機分成訓(xùn)練樣本和測試等在1986年提出的它是具有三層或三層以上的神樣本經(jīng)網(wǎng)絡(luò),包括輸入層、中間層(隱層)和輸出層,上下②網(wǎng)絡(luò)結(jié)構(gòu)的確定方法山.在滿足精度要求的層之間實現(xiàn)全連接,而每層神經(jīng)元之間無連接當(dāng)學(xué)前提下,取盡可能緊湊的結(jié)構(gòu),即取盡可能少的隱層習(xí)樣本提供給網(wǎng)絡(luò)后,神經(jīng)元的激活值從輸入層經(jīng)數(shù)和隱層節(jié)點數(shù),一般取一個隱層隱層節(jié)點數(shù)與輸各中間層向輸出層傳播,在輸出層的各神經(jīng)元獲得入和輸出層節(jié)點數(shù)、問題的要求都有直接的關(guān)系.一網(wǎng)絡(luò)的輸出響應(yīng)接下來,按照減小目標(biāo)輸出與實際般情況下隱層節(jié)點數(shù)目太少,可能無法訓(xùn)練出來,誤差的方向,從輸出層經(jīng)過各個中間層逐層修正各容錯性差但是隱層節(jié)點數(shù)目太多又使學(xué)習(xí)時間過個連接權(quán)值最后回到輸入層,這種算法稱為“誤差長,誤差也不一定達到最佳合理的隱層節(jié)點數(shù)可以反向傳播算法”,即BP算法隨著這種誤差的傳播在綜合考慮網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜程度和誤差大小的情況下修正不斷進行,網(wǎng)絡(luò)對輸人模式相應(yīng)的正確率也不用節(jié)點刪除法和擴張法確定斷上升③網(wǎng)絡(luò)初始權(quán)值網(wǎng)絡(luò)初始權(quán)值直接決定了BPBP神經(jīng)網(wǎng)絡(luò)的傳遞函數(shù)要求必須是可微的常算法收斂到全局極小點還是局部極小點要求程序必須能夠改變網(wǎng)絡(luò)初始權(quán)值饔1獲取的實驗斂據(jù)及網(wǎng)絡(luò)訓(xùn)練結(jié)果④網(wǎng)絡(luò)模型的訓(xùn)練通過不斷調(diào)整網(wǎng)絡(luò)權(quán)值使壓力溫度液氮濃度(%申10)液氮濃度(%·10)次數(shù)(Mpa)(-100網(wǎng)絡(luò)模型輸出值與已知的訓(xùn)練樣本輸出值之間的誤0.3℃)實驗值計算值誤差3)笑驗值計算值誤差差平方和達到最小或小于某一期望值.判斷建立的0.32.059.419.691.78.728.8911模型最直接和客觀的指標(biāo)是測試樣本和訓(xùn)練樣本20.12.109.649.3312.28.498.639.830.22.039.729.8410.88.628.5010.7誤差一樣小或稍大,否則說明建立的模型沒有有效0.32.189.998211.18.598.7410.650.22.179.8499948.518.8710.2逼近訓(xùn)練樣本所蘊含的規(guī)律,而只是在這些訓(xùn)練樣0.52.15999.9813.78.588.728.9本點上逼近而已0.62.179.98999988.608.7997⑤合理網(wǎng)絡(luò)模型的確定.合理網(wǎng)絡(luò)模型是具有90.92.089.849.908.38.678,789.2合理隱層及其節(jié)點數(shù)訓(xùn)練時沒有發(fā)生“過擬合”現(xiàn)100.52.179909928.78.598.637.0111.62.119.869946.18.618.98.5象、求得全局極小點及同時考慮網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜程度121.82.099.89997728.598.816.9131.42.159.859.968.58.638.847.5和誤差大小的綜合結(jié)果141.52.179.909987.18.798.937.94實現(xiàn)過程150.72.049.859.946.38.508.596.8160.82.209899948.18.518.628.24.1建模對象172.12.149.929.957.08.778.876.7建模對象是空氣轉(zhuǎn)變液態(tài)過程中,其成分質(zhì)量182.32.109.989.945.38.708.856.2191.82.139.899945.88.698845.3液態(tài)空氣質(zhì)量主要是由液態(tài)氮及液態(tài)氧決定因此,20152903933,3選取液態(tài)氮和液態(tài)氧作為直接參數(shù),選取壓力和溫221.12.179.879.924.686186744度作為間接參數(shù),建模歸結(jié)為在過程穩(wěn)定條件下建231.62.209.929.975.78.688.724.1240.92.09999.932.88.598.623.8立壓力和溫度與液態(tài)氮和液態(tài)氧之間的關(guān)系251.72.199.949.%63.18.568.673.74.2BP網(wǎng)絡(luò)結(jié)構(gòu)2262.02.139.959.973.78.如圖1所示建立的BP網(wǎng)絡(luò)示意圖281.62.129.%69.971.58.588.612.091.22.209959.972.28.598.673.1302.12.209.98692.3312.12.089979993.18.618.797.2320.92.069.759.869.78.488.515.1331.32.049.829.874.88.608.7298341.22.089.869.918.48.518.628.1351.82.019%09953.98568.727.64.4結(jié)果分析觀察可以發(fā)現(xiàn),網(wǎng)絡(luò)模型通過前30組訓(xùn)練樣本田1BP網(wǎng)絡(luò)示意圖進行訓(xùn)練,全局產(chǎn)生的液氮誤差和液氧誤差均小于輸入層有兩個節(jié)點分別代表壓力和溫度輸出預(yù)先設(shè)定的誤差15%,并且誤差值大體上呈下降趨層有兩個節(jié)點分別代表液氮和液氧的濃度構(gòu)造了勢,可見網(wǎng)絡(luò)是收斂的可以進行測試31-35組測一個含有一個隱層、一個輸人層、一個輸出層的BP試樣本對網(wǎng)絡(luò)模型進行測試得到的液氮液氧濃度網(wǎng)絡(luò).隱層節(jié)點數(shù)采取的是經(jīng)驗法,取6個與工業(yè)制取的實際結(jié)果相近,甚至相同證明該網(wǎng)絡(luò)4.3網(wǎng)絡(luò)模型訓(xùn)練模型對訓(xùn)練樣本與測試樣本具有相同的擬合(或表基于上述BP神經(jīng)網(wǎng)絡(luò)模型的建立取學(xué)習(xí)參數(shù)征)能力,即該網(wǎng)絡(luò)模型的泛化能力很強能較好地為學(xué)習(xí)速率a=0.15,動量因子=0.6;結(jié)束學(xué)習(xí)用于評價未知樣本的條件是訓(xùn)練樣本的誤差小于15%或趨于穩(wěn)定或另外,在此網(wǎng)絡(luò)模型中,僅改變其中一種網(wǎng)絡(luò)輸訓(xùn)練次數(shù)達到1000次隱層和輸出層均采用Sg人,網(wǎng)絡(luò)輸出的結(jié)果也是相近的如圖2(a)為改變moid轉(zhuǎn)換函數(shù)壓力(溫度不變)的情況下產(chǎn)生的結(jié)果,圖2(b)為改目前訓(xùn)練樣本數(shù)目的確定沒有通用方法,一般變溫度(壓力不變)的情況下生成的結(jié)果,二者對比認為樣本過少可能使得網(wǎng)絡(luò)的表達不夠充分,從而發(fā)現(xiàn)曲線變化不大這一點也驗證了所建立的BP網(wǎng)導(dǎo)致網(wǎng)絡(luò)的外推的能力不夠,而樣本過多可能會導(dǎo)絡(luò)模型的可信度致樣本冗余現(xiàn)象既增加了網(wǎng)絡(luò)的訓(xùn)練負擔(dān),也有可能出現(xiàn)信息過量剩余使得網(wǎng)絡(luò)出現(xiàn)過擬合現(xiàn)象因前此本文從工業(yè)領(lǐng)域采集35組制取較高氧氣濃度的經(jīng)驗數(shù)據(jù)對所建立的網(wǎng)絡(luò)模型進行訓(xùn)練及測試,所得實驗結(jié)果見表1.其中表1中1~30組數(shù)據(jù)作為網(wǎng)絡(luò)的訓(xùn)練樣本,31~35組作為網(wǎng)絡(luò)的測試樣本圖2神經(jīng)網(wǎng)絡(luò)模型的輸出5結(jié)語變并且輸入和輸出可以抽象為一般的概念BP網(wǎng)絡(luò)是一種高度非線性關(guān)系的映射,在沒有模型訓(xùn)練過程中有時也會產(chǎn)生較大的誤差這主任何已知的數(shù)學(xué)知識描述輸入輸出關(guān)系的情況下網(wǎng)要是由于空分制氧流程中受其他干擾造成的但根據(jù)絡(luò)可以通過對大量訓(xùn)練樣本的自學(xué)習(xí)、自適應(yīng)建立這BP算法的原理模型正向反向反復(fù)修訂,模型不會發(fā)種映射關(guān)系能較好地反映系統(tǒng)內(nèi)部的本質(zhì)特征及內(nèi)生畸變這說明了建立BP模型方法具有較強的容錯部機理,對未知樣本做出的評價更具有客觀性性建立BP網(wǎng)絡(luò)模型的基本原則和步驟對確保訓(xùn)從總體而言,在空分制氧質(zhì)量監(jiān)控系統(tǒng)中,通過練后的BP網(wǎng)絡(luò)模型的泛化能力和預(yù)測能力具有重要建立BP網(wǎng)絡(luò)模型可以達到一定的預(yù)期效果能明顯作用在建立過程中,網(wǎng)絡(luò)的輸入和輸出數(shù)目可以改提高經(jīng)濟效益參考文獻:[1]朱大銘,人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)學(xué)習(xí)算法及問題求解研[D]中國科學(xué)院研究生院(計算技術(shù)研究所),2006,12[2]任廣偉,王秀芳,等.BP神經(jīng)網(wǎng)絡(luò)在煙蚜發(fā)生程序預(yù)測中的應(yīng)用[].華北農(nóng)學(xué)報,2008(23):373-376[3]張大偉,王軍.基于BP模型的黃瓜霜霉病圖譚特征識荊系純的設(shè)計[門沈陽建筑大學(xué)學(xué)報(自然科學(xué)版),200,5(25).[4]鄒瑋,李璃,汪興旺BP神經(jīng)網(wǎng)絡(luò)在致密砂巖儲層識別中的應(yīng)用[J]石油工業(yè)計算機應(yīng)用,2006(4)(責(zé)任編輯:王前)(上接第31頁)3小結(jié)響我們不僅發(fā)現(xiàn)隨機共振現(xiàn)象,且在一定的互關(guān)聯(lián)本文選用周期信號調(diào)制一維欠阻尼線性諧振子強度下還發(fā)現(xiàn)了抑制和雙重隨機共振現(xiàn)象噪聲間系統(tǒng)引人關(guān)聯(lián)雙態(tài)噪聲,運用 Shapiro- Loginov公式的周期調(diào)制互關(guān)聯(lián)及由此帶來的有趣現(xiàn)象在很多領(lǐng)及雙態(tài)噪聲的特性,推導(dǎo)出輸出信號幅度的精確解析域具有潛在的應(yīng)用價值,有必要作進一步研究表達式,進而研究噪聲參數(shù)對系統(tǒng)信號放大率的影參考文[IL Carmmaitoni, P. Hanggi and P. Jung. Stochastic resonance[J]. Rev. Mod. Phys., 1998, 70: 223-287[2]M. Gitterman. Classical harmonic[3]T. Wellens, V. Shatokhin and A. Buchleitner. Stochastic Resonance[J]. Rep. Prog. Phys., 2004, 67:45-105[4]胡崗.醢機力與非線性系眈[M].上海:上海科技教育出版社,194:12-200.[5]M. Gitterman. Harmonic oscillator with multiplicative noise: Nonmonotone dependence on the strength and the rate of dichotomous noise[J]Phy.Rev.E,2003,67:057103/1-4.[6]M. Gitterman. Harmonic oscillator with fluctuating damping parameter[J]. Phys. Rev. E,, 2004, 69:041101/1-4[7]. Berdichevaky and M. Gittermanin linear to multiplicative and additive noise[J]. Phys. Rev. E, 1999, 60: 1494[8]V E. Shapiro and V.M. Loginov. "Formulae of differentiation"and their use for solving stochastic equations[]. Physica A, 1978, 91:5639]C 1. Tessone and H S. Wio. Stochastic resonance in bitable systems: The eect o simultaneous additive and multiplicative correlated noises[玎].Mod.Phys.Let.B.,1998,12:1195-1206[10]c.JH S. Wio and P. Hanggi. Stochastic resonance driven by time-modulated correlated white noise sources[ J]. Phys. Rev. E.2.2009.5.21(貴任編輯:王前)Stochastic Resonance in Underdamped Harmonic Oscillator with Time ModulatedCross-correlated Dichotomous NoiseZHENG Li-Ii, YU Zhi-mi(1. Zyin College, Nanying University of Science and Technology, Nanying, Jiangsu 2100462. Department of Physics, Lianyungang Teacheri College, Lianyungang, Jiangsu 222006Abstract: SR phenomenon in an underdamped harmonic oscillator driven by multiplicative and additive dichotomousnoise is studied. In the present of time independent as well as the time modulated cross-correlation, theoutput characteristics of the system are analyzed. It is found that, due to the time modulated cross-cor-relation, the cros-correlated intensity enters into the expression of the system output.Adjusting thecross-correlated intensity, we obtained double stochastic resonanceKey words: dichotomous noise; time modulated cross-correlation; underdamped; harmonic oscillator; stochastic res-