基于神经网络的空气质量检测.doc

基于神经网络的空气质量检测.doc

ID:58508954

大小:507.00 KB

页数:22页

时间:2020-05-18

基于神经网络的空气质量检测.doc_第1页
基于神经网络的空气质量检测.doc_第2页
基于神经网络的空气质量检测.doc_第3页
基于神经网络的空气质量检测.doc_第4页
基于神经网络的空气质量检测.doc_第5页
资源描述:

《基于神经网络的空气质量检测.doc》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、目录摘要1关键词2ABSTRACT2KEYWORDS2引言21BP神经网络概述31.1基本原理31.2BP算法学习过程42空气质量检测模型的建立62.1样本数据62.1.1收集和整理分组62.1.2输入/输出变量的确定及其数据的预处理72.2神经网络拓扑结构的确定72.2.1隐层数72.2.2隐层节点数72.3神经网络的训练82.4神经网络模型参数的确定102.4.1隐层的数目102.4.2隐层神经元数的选择102.4.3学习率和动量因子132.4.4初始权值的选择132.4.5收敛误差界值Emin132.4.6输入数据的预处

2、理133MATLAB实现和结果分析143.1MATLAB神经网络工具箱的应用143.2基于MATLAB的BP算法的实现过程143.3训练神经网络154结语23致23参考文献23基于神经网络的空气质量检测专业指导教师摘要:空气质量的好坏反映了空气污染程度,它是依据空气中污染物浓度的高低来判断的。污染物浓度由于受风向、风速、气温、湿度、污染源排放情况等多种因素的影响,使得空气质量问题具有很大的不确定性和一定的复杂性。神经网络作为一种描述和刻画非线性的强有力工具,具有较强的自学习、自组织、自适应能力等特点,特别适合于对具有多因素性、

3、不确定性、随机性、非线性和随时间变化特性的对象进行研究。本文基于神经网络的BP算法,利用MATLAB神经网络工具箱建立了空气质量模型。文中,采用MATLAB的rand()函数在各级评价标准按随机均匀分布方式插生成训练样本和检验样本,利用premnmx()函数对数据进行预处理,调用激活函数对网络权值进行训练,并同其他评价方法比较,取得了良好的评价结果。同时表明此方法具有一定的客观性和积极性。关键词:BP神经网络;空气质量;MATLAB神经网络工具箱Thedetectionofairqualitybasedonneuralnetw

4、orkStudentmajoringinxxnameTutornameAbstract:Thequalityofairqualityreflectstheextentofairpollution,whichisbasedontheconcentrationofpollutantsintheairtodeterminetheleveloftheair.Concentrationofpollutantsduetowinddirection,windspeed,airtemperature,humidity,pollutantemi

5、ssionsandotherfactors,makestheissueofairqualityisagreatuncertaintyandacertaindegreeofcomplexity.Neuralnetworkdescriptionandcharacterizationasapowerfultoolfornon-linearphenomenon,withstrongself-learning,self-organization,thecharacteristicsofadaptivecapacity,especiall

6、ysuitableformulti-factor,uncertainty,randomness,non-linearandtime-varyingcharacteristicsoftheobjectofresearch.ThisdesignbasesontheBPneuralnetworkalgorithm,usingMATLABneuralnetworktoolboxtoestablishairqualitymodel.Inthistext,usingtheMATLAB’srand()functionatalllevelsw

7、ithintheevaluationcriteriauniformlydistributesrandominterpolationmethodstogeneratetrainingsamplesandthesamplestested.Thenthepaperusespremnmx()functiononthedatapre-processing,andtransfersactivationfunctionofnetworkweightstrainingandcompareswithotherevaluationmethods,

8、andachievedgoodresultswhichindicatetheobjectivityandenthusiasmofthedesign.Keywords:BPneuralnetwork;Airquality;MATLABneuralnetworktoolbox引言

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。