模糊神经网络与混沌神经网络神经网络二十

Posted 2021-10-12 张叔zhangshu

利用模糊神经网络预测嘉陵江的水质。
背景分析：水质评价是根据水质评价标准和采样水样本各项指标值，通过一定的数学模型计算采样水样本的水质等级。水质评价的目的是能够判断采样水样本的污染等级，为污染防治和水源保护提供依据。
水体水质的分析指标有很多项，主要包括氨氮、溶解氧、化学需氧量、高锰酸盐指数、总磷和总氮这6项指标。其中，氨氮是有机物有氧分解的产物，可导致水富营养化现象的产生，是水体富营养化的指标。溶解氧是溶解在水中的氧，是反映水体自净能力的指标。化学需氧量则采用强氧化剂铬酸钾处理水样，消耗的氧化剂量是水中还原性物质多少的指标。高锰酸盐指数与化学需氧量相似，也是反映有机污染的综合指标。总磷是水体中磷的浓度含量，是衡量水体富营养化的指标。总氮是水体中氮的含量，也是衡量水体富营养化的指标。地表水环境质量标准如表9-6所示。
在MATLAB中编程实现基于模糊神经网络的水质评价算法，代码如下：

>> clear all   	%清除工作空间中的变量
%参数初始化
xe=0.001;
alfa=0.05;
%网络节点
I=6;   		%输入节点数
M=12;  		%隐含节点数
O=1;   		%输出节点数
%系数初始化
p0=0.3*ones(M,1);p0_1=p0;p0_2=p0_1;
p1=0.3*ones(M,1);p1_1=p1;p1_2=p1_1;
p2=0.3*ones(M,1);p2_1=p2;p2_2=p2_1;
p3=0.3*ones(M,1);p3_1=p3;p3_2=p3_1;
p4=0.3*ones(M,1);p4_1=p4;p4_2=p4_1;
p5=0.3*ones(M,1);p5_1=p5;p5_2=p5_1;
p6=0.3*ones(M,1);p6_1=p6;p6_2=p6_1;
%参数初始化
c=1+rands(M,I);c_1=c;c_2=c_1;
b=1+rands(M,I);b_1=b;b_2=b_1;
maxgen=100; 	%进化次数
%加载数据，其中input_train和output_train为模糊神经网络的训练数据，input_test和output_test为模糊神经网络的测试数据

混沌神经网络

实现混沌神经网络同步及保密通信仿真的步骤如下。
（1）载入混沌系统参数。根据前面的分析，选取两组混沌系统参数，可以根据参数的范围灵活设置具体的参数值。
（2）计算混沌神经网络的输出。调用自定义编写的M9_8fun.m函数计算驱动系统与响应系统各变量随时间的变化情况。
（3）生成原始信号，然后通过混沌掩盖的方法生成加密信号，最后还原原始信号。为了显示方便，在此只对0～20时刻的信号进行加密。
其实现的MATLAB代码如下：

>> clear all;
%参数1
%a=-10;b=-4;c=18.1;d=-1;e=1;f=1;
%参数2
%a=-10;b=-4;c=0;d=-1;e=1;f=1;
parameter=[-10;-4;0;-1;1;1];	%应用参数2
tspan=[0,200];  			%设置迭代时间范围
p0=normrnd(0,5,6,1);  	                  %设置迭代起点
[t,p]=ode45('M9_8fun',tspan,p0,[],parameter);
x1=p(:,1);  			%赋值给x