BP神經(jīng)網(wǎng)絡(luò )模型在空分制氧質(zhì)量預測中的應用

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)量預測中的應用郭丹,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(jìn)行預測依據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 )結構,抽取相關(guān)數操進(jìn)行訓練將訓練樣本和測試樣本進(jìn)行對比,二者具有相同的擬合能力能對未知結果做出預測關(guān)鵪詞:空分制氧;BP神經(jīng)網(wǎng)絡(luò );網(wǎng)絡(luò )訓練中圖分類(lèi)號:TP302.1文獻標志碼:A文章號:1008-7974(2009)10-0036-03收稿日期:200-04-2作者簡(jiǎn)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引言用的傳遞函數是 Sigmoid型函數:氧氣的制造,在國內外許多工業(yè)領(lǐng)域都十分熱sig(n)=1/(1+exp(-n))門(mén)原因在于氧氣的應用特別廣泛無(wú)論是在鋼鐵行BP算法中有兩個(gè)參數a和,其中權重修正系業(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)、醫療部門(mén),都離不開(kāi)氧氣的使用到這兩個(gè)參數的較優(yōu)值.另外,三層以上神經(jīng)網(wǎng)絡(luò )使隨著(zhù)時(shí)間的推移和技術(shù)的不斷發(fā)展,工業(yè)制氧用BP算法時(shí)初始權值不能過(guò)大或過(guò)小那樣會(huì )影響方法出現了很多種但被大量采用的是空氣分離法,學(xué)習速度,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、氮成不能出現差異運算不能正常進(jìn)行因此開(kāi)始時(shí)的初分的沸點(diǎn)差用精餾的方法將氧氮分離從而獲得高始值選為權值在(-1,1)之間的隨機分布的小數純度的氧和氮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(guò)程必須目的采用目前引起工業(yè)領(lǐng)域學(xué)者和專(zhuān)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(gè)空氣制本原則和步驟如下氧流程進(jìn)行監控,能夠實(shí)現對其提氧純度的預測①樣本數據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據,并且確定是正確的數據源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據將妨礙對網(wǎng)絡(luò )的正確訓播的多層前饋神經(jīng)網(wǎng)絡(luò ),BP學(xué)習算法是 Rumelhart練然后將收集到的數據隨機分成訓練樣本和測試等在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 )結構的確定方法山.在滿(mǎn)足精度要求的層之間實(shí)現全連接,而每層神經(jīng)元之間無(wú)連接當學(xué)前提下,取盡可能緊湊的結構,即取盡可能少的隱層習樣本提供給網(wǎng)絡(luò )后,神經(jīng)元的激活值從輸入層經(jīng)數和隱層節點(diǎn)數,一般取一個(gè)隱層隱層節點(diǎn)數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點(diǎn)數、問(wèn)題的要求都有直接的關(guān)系.一網(wǎng)絡(luò )的輸出響應接下來(lái),按照減小目標輸出與實(shí)際般情況下隱層節點(diǎn)數目太少,可能無(wú)法訓練出來(lái),誤差的方向,從輸出層經(jīng)過(guò)各個(gè)中間層逐層修正各容錯性差但是隱層節點(diǎn)數目太多又使學(xué)習時(shí)間過(guò)個(gè)連接權值最后回到輸入層,這種算法稱(chēng)為“誤差長(cháng),誤差也不一定達到最佳合理的隱層節點(diǎn)數可以反向傳播算法”,即BP算法隨著(zhù)這種誤差的傳播在綜合考慮網(wǎng)絡(luò )結構復雜程度和誤差大小的情況下修正不斷進(jìn)行,網(wǎng)絡(luò )對輸人模式相應的正確率也不用節點(diǎn)刪除法和擴張法確定斷上升③網(wǎng)絡(luò )初始權值網(wǎng)絡(luò )初始權值直接決定了BPBP神經(jīng)網(wǎng)絡(luò )的傳遞函數要求必須是可微的常算法收斂到全局極小點(diǎn)還是局部極小點(diǎn)要求程序必須能夠改變網(wǎng)絡(luò )初始權值饔1獲取的實(shí)驗斂據及網(wǎng)絡(luò )訓練結果④網(wǎng)絡(luò )模型的訓練通過(guò)不斷調整網(wǎng)絡(luò )權值使壓力溫度液氮濃度(%申10)液氮濃度(%·10)次數(Mpa)(-100網(wǎng)絡(luò )模型輸出值與已知的訓練樣本輸出值之間的誤0.3℃)實(shí)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(guān)的指標是測試樣本和訓練樣本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(shuō)明建立的模型沒(méi)有有效0.32.189.998211.18.598.7410.650.22.179.8499948.518.8710.2逼近訓練樣本所蘊含的規律,而只是在這些訓練樣0.52.15999.9813.78.588.728.9本點(diǎn)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合理隱層及其節點(diǎn)數訓練時(shí)沒(méi)有發(fā)生“過(guò)擬合”現100.52.179909928.78.598.637.0111.62.119.869946.18.618.98.5象、求得全局極小點(diǎn)及同時(shí)考慮網(wǎng)絡(luò )結構復雜程度121.82.099.89997728.598.816.9131.42.159.859.968.58.638.847.5和誤差大小的綜合結果141.52.179.909987.18.798.937.94實(shí)現過(guò)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建模對象是空氣轉變液態(tài)過(guò)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,選取壓力和溫221.12.179.879.924.686186744度作為間接參數,建模歸結為在過(guò)程穩定條件下建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 )結構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結果分析觀(guān)察可以發(fā)現,網(wǎng)絡(luò )模型通過(guò)前30組訓練樣本田1BP網(wǎng)絡(luò )示意圖進(jìn)行訓練,全局產(chǎn)生的液氮誤差和液氧誤差均小于輸入層有兩個(gè)節點(diǎn)分別代表壓力和溫度輸出預先設定的誤差15%,并且誤差值大體上呈下降趨層有兩個(gè)節點(diǎn)分別代表液氮和液氧的濃度構造了勢,可見(jiàn)網(wǎng)絡(luò )是收斂的可以進(jìn)行測試31-35組測一個(gè)含有一個(gè)隱層、一個(gè)輸人層、一個(gè)輸出層的BP試樣本對網(wǎng)絡(luò )模型進(jìn)行測試得到的液氮液氧濃度網(wǎng)絡(luò ).隱層節點(diǎn)數采取的是經(jīng)驗法,取6個(gè)與工業(yè)制取的實(shí)際結果相近,甚至相同證明該網(wǎng)絡(luò )4.3網(wǎng)絡(luò )模型訓練模型對訓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)習參數征)能力,即該網(wǎng)絡(luò )模型的泛化能力很強能較好地為學(xué)習速率a=0.15,動(dòng)量因子=0.6;結束學(xué)習用于評價(jià)未知樣本的條件是訓練樣本的誤差小于15%或趨于穩定或另外,在此網(wǎng)絡(luò )模型中,僅改變其中一種網(wǎng)絡(luò )輸訓練次數達到1000次隱層和輸出層均采用Sg人,網(wǎng)絡(luò )輸出的結果也是相近的如圖2(a)為改變moid轉換函數壓力(溫度不變)的情況下產(chǎn)生的結果,圖2(b)為改目前訓練樣本數目的確定沒(méi)有通用方法,一般變溫度(壓力不變)的情況下生成的結果,二者對比認為樣本過(guò)少可能使得網(wǎng)絡(luò )的表達不夠充分,從而發(fā)現曲線(xiàn)變化不大這一點(diǎn)也驗證了所建立的BP網(wǎng)導致網(wǎng)絡(luò )的外推的能力不夠,而樣本過(guò)多可能會(huì )導絡(luò )模型的可信度致樣本冗余現象既增加了網(wǎng)絡(luò )的訓練負擔,也有可能出現信息過(guò)量剩余使得網(wǎng)絡(luò )出現過(guò)擬合現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)驗數據對所建立的網(wǎng)絡(luò )模型進(jìn)行訓練及測試,所得實(shí)驗結果見(jiàn)表1.其中表1中1~30組數據作為網(wǎng)絡(luò )的訓練樣本,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結語(yǔ)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(xiàn)性關(guān)系的映射,在沒(méi)有模型訓練過(guò)程中有時(shí)也會(huì )產(chǎn)生較大的誤差這主任何已知的數學(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絡(luò )可以通過(guò)對大量訓練樣本的自學(xué)習、自適應建立這BP算法的原理模型正向反向反復修訂,模型不會(huì )發(fā)種映射關(guān)系能較好地反映系統內部的本質(zhì)特征及內生畸變這說(shuō)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(jià)更具有客觀(guān)性性建立BP網(wǎng)絡(luò )模型的基本原則和步驟對確保訓從總體而言,在空分制氧質(zhì)量監控系統中,通過(guò)練后的BP網(wǎng)絡(luò )模型的泛化能力和預測能力具有重要建立BP網(wǎng)絡(luò )模型可以達到一定的預期效果能明顯作用在建立過(guò)程中,網(wǎng)絡(luò )的輸入和輸出數目可以改提高經(jīng)濟效益參考文獻:[1]朱大銘,人工神經(jīng)網(wǎng)絡(luò )的結構學(xué)習算法及問(wèn)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)生程序預測中的應用[].華北農學(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計[門(mén)沈陽(yáng)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用[J]石油工業(yè)計算機應用,2006(4)(責任編輯:王前)(上接第31頁(yè))3小結響我們不僅發(fā)現隨機共振現象,且在一定的互關(guān)聯(lián)本文選用周期信號調制一維欠阻尼線(xiàn)性諧振子強度下還發(fā)現了抑制和雙重隨機共振現象噪聲間系統引人關(guān)聯(lián)雙態(tài)噪聲,運用 Shapiro- Loginov公式的周期調制互關(guān)聯(lián)及由此帶來(lái)的有趣現象在很多領(lǐng)及雙態(tài)噪聲的特性,推導出輸出信號幅度的精確解析域具有潛在的應用價(jià)值,有必要作進(jìn)一步研究表達式,進(jìn)而研究噪聲參數對系統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(xiàn)性系眈[M].上海:上?？萍冀逃霭嫔?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-