| 查看: 1234 | 回复: 3 | ||
| 当前只显示满足指定条件的回帖，点击这里查看本话题的所有回帖 | ||
kathy2836铁杆木虫 (小有名气)
|
[求助]
BP神经网络进行水质评价遇到问题 已有1人参与
|
|
|
用BP神经网络进行水质评价，选取6个水质因子进行评价，通过rand函数在水质标准各等级标准值区间分别随机生成400个数值。因为标准中添加了劣五类水质，所以共随机生成2400组数据，其中每个等级区间内选取300个用作训练样本，其余100个为测试样本。输出目标格式为： T=[1 0 0 0 0 0；0 1 0 0 0 0；0 0 1 0 0 0；0 0 0 1 0 0；0 0 0 0 1 0；0 0 0 0 0 1]’。 输入神经元为6个，输出神经元为6个。通过试错法得到隐含层神经元数量为10的时候误差最小。训练网络的时候也能达到设定的目标误差，但是再用水质标准值归一化后通过训练好的网络得到的输出却和预计输出差很远。代码如下，请高手指点一下问题出在哪里，十分感谢！ **************************************************************************************************** % 6个因子的水质标准，包含劣五类水质 P=[7.5 15 2 0.015 0.2 0.01;6 15 4 0.5 0.5 0.025;5 20 6 1 1 0.05; 3 30 10 1.5 1.5 0.1;2 40 15 2 2 0.2;0 200 25 8 40 1]'; %随机生成训练样本 P1=[(15-P(1,1))*rand(1,400)+P(1,1);P(2,1)*rand(1,400);P(3,1)*rand(1,400); P(4,1)*rand(1,400);P(5,1)*rand(1,400);P(6,1)*rand(1,400)]; P2=[(P(1,1)-P(1,2))*rand(1,400)+P(1,2);P(2,2)*rand(1,400);(P(3,2)-P(3,1))*rand(1,400)+P(3,1); (P(4,2)-P(4,1))*rand(1,400)+P(4,1);(P(5,2)-P(5,1))*rand(1,400)+P(5,1);(P(6,2)-P(6,1))*rand(1,400)+P(6,1)]; P3=[(P(1,2)-P(1,3))*rand(1,400)+P(1,3);(P(2,3)-P(2,2))*rand(1,400)+P(2,2);(P(3,3)-P(3,2))*rand(1,400)+P(3,2); (P(4,3)-P(4,2))*rand(1,400)+P(4,2);(P(5,3)-P(5,2))*rand(1,400)+P(5,2);(P(6,3)-P(6,2))*rand(1,400)+P(6,2)]; P4=[(P(1,3)-P(1,4))*rand(1,400)+P(1,4);(P(2,4)-P(2,3))*rand(1,400)+P(2,3);(P(3,4)-P(3,3))*rand(1,400)+P(3,3); (P(4,4)-P(4,3))*rand(1,400)+P(4,3);(P(5,4)-P(5,3))*rand(1,400)+P(5,3);(P(6,4)-P(6,3))*rand(1,400)+P(6,3)]; P5=[(P(1,4)-P(1,5))*rand(1,400)+P(1,5);(P(2,5)-P(2,4))*rand(1,400)+P(2,4);(P(3,5)-P(3,4))*rand(1,400)+P(3,4); (P(4,5)-P(4,4))*rand(1,400)+P(4,4);(P(5,5)-P(5,4))*rand(1,400)+P(5,4);(P(6,5)-P(6,4))*rand(1,400)+P(6,4)]; P6=[(P(1,5)-P(1,6))*rand(1,400)+P(1,6);(P(2,6)-P(2,5))*rand(1,400)+P(2,5);(P(3,6)-P(3,5))*rand(1,400)+P(3,5); (P(4,6)-P(4,5))*rand(1,400)+P(4,5);(P(5,6)-P(5,5))*rand(1,400)+P(5,5);(P(6,6)-P(6,5))*rand(1,400)+P(6,5)]; %随机生成的样本矩阵（6*2400） PP=[P1 P2 P3 P4 P5 P6]; %各选取300个做为训练样本 PI=[P1(:,1:300) P2(:,1:300) P3(:,1:300) P4(:,1:300) P5(:,1:300) P6(:,1:300)]; %其余100个做为测试样本 PT=[P1(:,301:400) P2(:,301:400) P3(:,301:400) P4(:,301:400) P5(:,301:400) P6(:,301:400)]; %读取目标输出矩阵文件（6*2400） T=xlsread('C:\Users\Kathy\Desktop\ANN\T.xlsx','Sheet1'); %对应训练样本和测试样本的输出矩阵 TI=[T(:,1:300) T(:,401:700) T(:,801:1100) T(:,1201:1500) T(:,1601:1900) T(:,2001:2300)]; TTEST=[T(:,301:400) T(:,701:800) T(:,1101:1200) T(:,1501:1600) T(:,1901:2000) T(:,2301:2400)]; %将训练样本归一化至[-1,1]区间 [PN,ps]=mapminmax(PI); %建立训练网络。这里我开始用的是tansig激活函数，但是三条线的收敛效果很差，所以改成了logsig。不知道有没有问题？是不是归一化区间为[-1,1]要对应使用tansig函数？ net6=newff(minmax(PN),TI,[10,6],{'logsig','purelin'},'trainlm'); %设定输入层权重和阈值 inputWeight6=net6.IW{1,1}; inputbias6=net6.b{1}; %设定当前层权重和阈值 layerWeight6=net6.LW{2,1}; layerbias6=net6.b{2}; % 设定训练参数 net6.trainParam.show=5; net6.trainParam.lr=0.05; net6.trainParam.mc=0.95; net6.trainParam.epochs=3000; net6.trainParam.goal=0.0001; %对网络进行训练 net6=train(net6,PN,TI); A6=sim(net6,PN); E6=TI-A6; MSE6=mse(E6); ****************************************************************************** 通过以上步骤之后，得到的A6矩阵很满意，和预计输出差不多，但是当我用这个网络对水质标准值（就是上面代码中的P矩阵）归一化之后进行操作时，得到的结果却和预计输出差很多， 对30个站位的水质监测值进行同样操作，结果也是有一些站位的值异常。 请高手给予指点，问题出在哪里呢？困扰我很久了，十分感谢！ |
回复此楼» 猜你喜欢
0702一志愿吉大B区求调剂 本科期间发表一篇Sci
已经有2人回复
-
070200求调剂，一志愿某211，288分
已经有18人回复
-
物理学I论文润色/翻译怎么收费?
已经有55人回复
-
法国博士后职位
已经有0人回复
-
重庆交大26年硕士生招生拟调剂通知已出！欢迎加入机器视觉与3D光学成像课题组。
已经有0人回复
-
**
已经有1人回复
-
0702一志愿吉大B区求调剂 本科期间发表一篇Sci
已经有0人回复
-
基底STO,薄膜SRO，XRD里面的振荡，是laue震荡还是kiessig振荡? 怎么判断？
已经有0人回复
» 本主题相关价值贴推荐，对您同样有帮助:
- BP神经网络的数据反演求解
已经有8人回复
- 请教个最简单的BP神经网络matlab仿真
已经有9人回复
- 人工神经网络BP算法源代码与演示程序
已经有222人回复
- 非线性神经网络模型的模型预测控制 程序问题
已经有4人回复
- 请高手指教如何提高这个BP神经网络的预测精度
已经有7人回复
- 利用matlab 编写BP神经网络的代码
已经有9人回复
- 遗传算法优化BP神经网络权值阈值
已经有6人回复
- 求高手帮我修改BP神经网络的代码
已经有8人回复
- matlab 的 bp神经网络 预测 问题..小作业..
已经有9人回复
- 如何用MATLAB实现 BP神经网络
已经有11人回复
- 【求助】BP神经网络怎么画出关系图？
已经有5人回复
- 【求助】运用BP神经网络训练材料本构模型的一个问题
已经有12人回复
- 【求助】MATLAB中BP神经网络的训练算法具体是怎么样的？
已经有5人回复
4楼2018-01-28 07:25:49
hakuna
木虫 (知名作家)
- 应助: 82 (初中生)
- 金币: 8735.9
- 散金: 158
- 红花: 126
- 帖子: 5599
- 在线: 1367.2小时
- 虫号: 167622
- 注册: 2006-01-15
- 专业: 考古理论
2楼2014-02-06 20:29:51
3楼2015-07-15 17:12:14
10