RBF神经网络在化工方面的应用神经网络七

Posted 2021-11-10 张叔zhangshu

针对采集到的60组汽油样品，利用傅里叶近红外变换光谱仪对其进行扫描，扫描范围为900～1700nm，扫描间隔为2nm，每组样品的光谱曲线共包含401个波长点。同时，利用传统实验室检测方法测定其辛烷值含量。现要求利用BP神经网络和RBF神经网络分别建立汽油样品近红外变化光谱及其辛烷值之间的数学模型，并对模型的性能进行评价。
解析：依据问题描述中的要求，实现BP神经网络和RBF神经网络的模型建立及性能评价，大体上可以分为如下步骤。
（1）产生训练集/测试集。
为了保证建立的模型具有良好的泛化能力，要求训练集样本数量足够多，并且具有良好的代表性。一般认为，训练集样本数量占总体样本数量的2/3～3/4为宜，剩余的1/4～1/3作为测试集样本。同时，尽量使训练集与测试集样本的分布规律近似相同。
（2）创建/训练BP神经网络。
创建BP神经网络之前需要确定网络的结构，即需要确定以下几个参数：输入变量个数、隐含层数及其神经元个数、输出变量个数。
（3）创建RBF神经网络。
创建RBF神经网络时需要考虑spread值对网络性能的影响。
（4）仿真测试。
其实现的MATLAB代码如下：

>> %%基于近红外光谱的汽油辛烷值预测
clear all
%%产生训练集/测试集
load spectra_data.mat
%随机产生训练集和测试集
temp = randperm(size(NIR,1));
%训练集——50个样本
P_train = NIR(temp(1:50),:)';
T_train = octane(temp(1:50),:)';
%测试集——10个样本
P_test = NIR(temp(51:end),:)';
T_test = octane(temp(51:end),:)';
N = size(P_test,2);
%%BP神经网络的创建、训练及仿真测试
net = newff(P_train,T_train,9);  		%创建网络
%设置训练参数
net.trainParam.epochs = 1000;
net.trainParam.goal = 1e-3;