華南理工大學(xué)化工學(xué)院2001級(jí)博士生課程設(shè)計(jì)

PAGE華南理工大學(xué)化工學(xué)院2001級(jí)博士生課程設(shè)計(jì)超臨界CO2萃取紫蘇油過程的計(jì)算機(jī)模擬設(shè)計(jì)者:文震指導(dǎo)老師:錢宇2001年12月目錄摘要………………………1Abstract…………………2一設(shè)計(jì)背景……………3二設(shè)計(jì)原理……………3BP神經(jīng)網(wǎng)絡(luò)原理……………………3BP神經(jīng)網(wǎng)絡(luò)算法…………………4BP算法程序流程圖…………………6網(wǎng)絡(luò)參數(shù)的選擇……………………6三實(shí)驗(yàn)部分…………61實(shí)驗(yàn)原料……………62實(shí)驗(yàn)試劑與設(shè)備……………………63實(shí)驗(yàn)方法與流程………7四結(jié)果與討論………71神經(jīng)網(wǎng)絡(luò)的訓(xùn)練……………………82網(wǎng)絡(luò)有效性的驗(yàn)證…………………93網(wǎng)絡(luò)預(yù)測(cè)結(jié)果………10結(jié)論………………………11參考文獻(xiàn)…………………12附錄…………13PAGE1-圖1BP神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)BPN的學(xué)習(xí)由以下四個(gè)過程組成：學(xué)習(xí)模式輸入神經(jīng)網(wǎng)絡(luò)后，神經(jīng)元的激活值由輸入層經(jīng)隱含層，在輸出層各神經(jīng)元獲得響應(yīng)的“模式順傳播”過程；然后按減小希望輸出與實(shí)際輸出的誤差方向，從輸出層向隱含層再向輸入層逐層修正各連接權(quán)值的“誤差逆?zhèn)鞑ァ边^程；由“模式順傳播”過程與“誤差逆?zhèn)鞑ァ边^程的交替進(jìn)行的網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練過程；網(wǎng)絡(luò)全局誤差趨向極小的學(xué)習(xí)收斂過程。當(dāng)全局誤差小于設(shè)定值或?qū)W習(xí)次數(shù)大于設(shè)定值時(shí)，均應(yīng)停止訓(xùn)練。然后對(duì)訓(xùn)練好的網(wǎng)絡(luò)進(jìn)行性能測(cè)試，即轉(zhuǎn)入網(wǎng)絡(luò)預(yù)測(cè)階段[3,4]。2誤差反向傳播（BP）算法BP學(xué)習(xí)算法適用于層次型神經(jīng)網(wǎng)絡(luò)。圖1即表示一個(gè)三層學(xué)習(xí)網(wǎng)絡(luò)，其中包括輸入層、輸出層和兩者之間的隱含層。同層神經(jīng)元間沒有連接，相鄰層間有全連接，由低層指向高層。設(shè)層次網(wǎng)絡(luò)共有m+1層，輸入層為第0層，輸出層為第m層。令Weq\o(\s\up6(ｎ),\s\do6(ｊｋ))表示第n+1層中第j神經(jīng)元與第n中第k單元間的連接權(quán)，則神經(jīng)元輸出的計(jì)算公式為：Xeq\o(\s\up6(ｎ＋１),\s\do6(ｊ))=f(Weq\o(\s\up6(ｎ),\s\do6(ｊｋ))Xeq\o(\s\up6(ｎ),\s\do6(ｋ)))n=0,1,…,m(1)式中f表示S型函數(shù)。本文選擇的S型函數(shù)為：f(u)=1/1(1+exp(-u))當(dāng)選取定L個(gè)訓(xùn)練樣本后，調(diào)整Weq\o(\s\up6(ｎ),\s\do6(ｊｋ))的目的是使輸出層神經(jīng)元的實(shí)際輸出和應(yīng)有的已知輸出的平方誤差盡可能小，即使得E=(deq\o(\s\up6(ｐ),\s\do6(ｊ))-Xeq\o(\s\up6(ｐｍ),\s\do6(ｊ)))2(2)最小，式中：deq\o(\s\up6(ｐ),\s\do6(ｊ))為第p個(gè)樣本輸入時(shí)網(wǎng)絡(luò)中第j個(gè)單元的已知輸出值;Xeq\o(\s\up6(ｐｍ),\s\do6(ｊ))為第p個(gè)樣本輸入時(shí)，第m層第j個(gè)單元的實(shí)際輸出值。調(diào)整Weq\o(\s\up6(ｎ),\s\do6(ｊｋ))的公式為：Weq\o(\s\up6(ｐｎ),\s\do6(ｊｋ))=Weq\o(\s\up6(ｐ－１ｎ),\s\do6(ｋ))+△Weq\o(\s\up6(ｐｎ),\s\do6(ｊｋ))(3)為了減小E，采用使E沿梯度方向下降的方式，即使得修正量△Weq\o(\s\up6(ｐｎ),\s\do6(ｊｋ))與-δ(E)/δ(Weq\o(\s\up6(ｐｎ),\s\do6(ｊｋ)))成正比。由式（1）)、（2）知，對(duì)于p=1,2,…L，可寫出一般式(-δ(E)/δ(Weq\o(\s\up6(ｐｎ),\s\do6(ｊｋ))))*2（dj-Xeq\o(\s\up6(ｎ＋１),\s\do6(ｊ)))(δXeq\o(\s\up6(ｎ＋１),\s\do6(ｊ))/δ(Weq\o(\s\up6(ｐｎ),\s\do6(ｊｋ))))=2（dj-Xeq\o(\s\up6(ｎ＋１),\s\do6(ｊ)))(δf/δ)*(δ/δ(Weq\o(\s\up6(ｐｎ),\s\do6(ｊｋ))))=2（dj-Xeq\o(\s\up6(ｎ＋１),\s\do6(ｊ)))*Xeq\o(\s\up6(ｎ＋１),\s\do6(ｊ))(1-Xeq\o(\s\up6(ｎ＋１),\s\do6(ｊ)))*Xeq\o(\s\up6(ｎ),\s\do6(ｋ))當(dāng)n+1=m時(shí)，令δeq\o(\s\up6(ｍ),\s\do6(ｊ))=(dj-Xeq\o(\s\up6(ｍ),\s\do6(ｊ)))Xeq\o(\s\up6(ｍ),\s\do6(ｊ))(1-Xeq\o(\s\up6(ｍ),\s\do6(ｊ)))(4)由于dj已知，于是δeq\o(\s\up6(ｍ),\s\do6(ｊ))可以求出。因△Weq\o(\s\up6(ｍ－１),\s\do6(ｊｋ))=ηδeq\o(\s\up6(ｍ),\s\do6(ｊ))Xeq\o(\s\up6(ｍ－１),\s\do6(ｋ)),0≤η≤1(5)此處δeq\o(\s\up6(ｍ),\s\do6(ｊ))是輸出層的誤差。以后各層誤差是將上一層誤差通過網(wǎng)絡(luò)往下傳播而得，即δeq\o(\s\up6(ｎ),\s\do6(ｊ))=Xeq\o(\s\up6(ｎ),\s\do6(ｊ))(1-Xeq\o(\s\up6(ｎ),\s\do6(ｊ)))δeq\o(\s\up6(ｎ＋１),\s\do6(ｋ))Weq\o(\s\up6(ｎ),\s\do6(ｋｊ))(6)相應(yīng)的Wjk調(diào)整值為△Weq\o(\s\up6(ｎ),\s\do6(ｊｋ))=ηδeq\o(\s\up6(ｎ＋１),\s\do6(ｊ))Xeq\o(\s\up6(ｎ),\s\do6(ｋ))(7)因此，BP學(xué)習(xí)算法的具體步驟是：1、賦予各Wjk以較小的隨機(jī)非零初始值；2、輸入一個(gè)樣本和它已知的輸出值；3、按公式(1)計(jì)算出實(shí)際的輸出值；4、按公式(4)至(7)修改連接權(quán)值；5、轉(zhuǎn)入第2步，循環(huán)運(yùn)用L個(gè)樣本作為輸入，直至Weq\o(\s\up6(ｎ),\s\do6(ｊｋ))均穩(wěn)定為止。3BP算法程序流程圖4網(wǎng)絡(luò)參數(shù)的選定本文采用的BPN由輸入層，一層隱含層，輸出層組成?？紤]到壓力與溫度是影響超臨界CO2萃取紫蘇油過程的主要因素，輸入變量為兩個(gè)，分別對(duì)應(yīng)壓力與溫度，輸出變量為1個(gè)，即此溫度壓力下所對(duì)應(yīng)的溶解度。隱含層的節(jié)點(diǎn)數(shù)根據(jù)全局誤差最小原則確定。二實(shí)驗(yàn)部分1實(shí)驗(yàn)原料紫蘇子：產(chǎn)自貴陽(yáng)花溪，干燥后粉碎至40目2實(shí)驗(yàn)試劑與設(shè)備CO2：貴陽(yáng)都拉綜合廠，食品級(jí)，>99.5%超臨界CO2萃取裝置：中科院地化所超臨界中心研制，萃取器：4L1個(gè)，分離器：2L1個(gè)，系統(tǒng)最高使用壓力32Mpa，裝置如圖2。CO2鋼瓶2-過濾器3-冷機(jī)4-高壓計(jì)量泵5-換熱器6-萃取器7、8-分離器1、29-轉(zhuǎn)子流量計(jì)10-累計(jì)流量計(jì)圖2超臨界CO2萃取裝置流程圖3實(shí)驗(yàn)方法與流程稱取一定量紫蘇子放入萃取罐中，CO2從鋼瓶出來后，經(jīng)冷機(jī)冷凝，由高壓計(jì)量泵加壓至設(shè)定壓力，由底部進(jìn)入萃取器。循環(huán)水加熱預(yù)熱器、萃取器和分離器至所需溫度，調(diào)節(jié)CO2流量進(jìn)行萃取。SC-CO2攜帶著紫蘇油進(jìn)入分離器，升溫減壓后，紫蘇油從SC-CO2中析出，由分離器下部閥門放出，用接受瓶接受。在實(shí)驗(yàn)中，要保持盡可能小的CO2流速，使紫蘇油在SC-CO2中溶解狀態(tài)接近平衡飽和狀態(tài)，這種因設(shè)備限制而采取近似的方法來測(cè)定待萃物的溶解度的方法被普遍使用[5]。紫蘇油在SC-CO2中溶解度S按下式計(jì)算：S＝M/Δt×FM－Δt時(shí)間內(nèi)從分離器接受紫蘇油的質(zhì)量（g），F(xiàn)－CO2流速(Kg/h)三結(jié)果與討論紫蘇油在SC-CO2中溶解度測(cè)定結(jié)果如表1。由表1可見，溶解度是溫度與壓力的函數(shù)，溫度升高，SC-CO2密度下降，溶解度降低，壓力增大，SC-CO2密度增加，溶解度增大。表1紫蘇油在SC-CO2中溶解度（g/Kg）溫度（℃）萃取壓力（Mpa）151821242730350.791.753.02*4.575.736.47450.411.18*2.564.185.496.34550.280.882.103.645.196.08*650.19*0.631.653.254.845.97750.080.431.252.73*4.725.701紫蘇油在SC-CO2中溶解度的神經(jīng)網(wǎng)絡(luò)的訓(xùn)練1．1隱含層節(jié)點(diǎn)數(shù)的確定目前隱含層節(jié)點(diǎn)個(gè)數(shù)的選擇尚無理論規(guī)則，本文利用誤差最小原則來確定節(jié)點(diǎn)數(shù)。網(wǎng)絡(luò)誤差與隱節(jié)點(diǎn)數(shù)的關(guān)系如圖3。圖3網(wǎng)絡(luò)誤差與隱節(jié)點(diǎn)數(shù)的關(guān)系由圖3可以看出，在節(jié)點(diǎn)數(shù)≤5時(shí)，網(wǎng)絡(luò)誤差隨節(jié)點(diǎn)數(shù)增加而下降，當(dāng)節(jié)點(diǎn)數(shù)＞5時(shí)，網(wǎng)絡(luò)誤差變化不大，節(jié)點(diǎn)為9時(shí)，誤差反而略為增加，而且節(jié)點(diǎn)數(shù)越多，網(wǎng)絡(luò)計(jì)算量越大，計(jì)算速度越慢，因此，隱含層節(jié)點(diǎn)數(shù)選擇5為宜。1．2迭代次數(shù)的確定我們將試驗(yàn)樣本隨機(jī)地分為訓(xùn)練集與測(cè)試集，其中訓(xùn)練集25組，測(cè)試集5組，測(cè)試集如表1打“*”數(shù)據(jù)。網(wǎng)絡(luò)誤差與迭代次數(shù)的關(guān)系如圖4。圖4網(wǎng)絡(luò)誤差與迭代次數(shù)的關(guān)系圖4顯示：在迭代次數(shù)＜2000時(shí)，訓(xùn)練集與測(cè)試集的網(wǎng)絡(luò)誤差急劇下降，但隨著訓(xùn)練的繼續(xù)進(jìn)行，迭代次數(shù)增加，網(wǎng)絡(luò)誤差的下降趨勢(shì)變緩，當(dāng)?shù)螖?shù)＞4000后，測(cè)試集的誤差反而略有增加。這可能是因?yàn)槌霈F(xiàn)過擬合的緣故，過擬合產(chǎn)生是由于網(wǎng)絡(luò)模型刻意去契合個(gè)別樣本所致，此時(shí)，網(wǎng)絡(luò)對(duì)參加學(xué)習(xí)的樣本可以給出較好的擬合，但對(duì)于不參加訓(xùn)練的樣本，擬合偏差反而增大，因此不管此時(shí)訓(xùn)練集的誤差是否繼續(xù)下降，均應(yīng)停止迭代。綜合訓(xùn)練集與測(cè)試集的網(wǎng)絡(luò)誤差考慮，迭代次數(shù)應(yīng)定為5000為宜。2網(wǎng)絡(luò)有效性的驗(yàn)證對(duì)于測(cè)試集，網(wǎng)絡(luò)輸出與理想輸出（實(shí)際值）的對(duì)比如圖5。圖5網(wǎng)絡(luò)輸出與理想輸出的對(duì)比圖5顯示：網(wǎng)絡(luò)的輸出值與實(shí)際值非常接近，最大相對(duì)誤差為9.30％，最小相對(duì)誤差為0.04％，整個(gè)測(cè)試集的誤差僅為3.27％，這說明網(wǎng)絡(luò)具有較好的模擬效果。此外，此時(shí)訓(xùn)練集的平均誤差為5.40％，比測(cè)試集稍大，這是因?yàn)橛?xùn)練集中含有因試驗(yàn)誤差所致的個(gè)別異常點(diǎn)，使得網(wǎng)絡(luò)輸出與這些異常值的誤差較大，從而增加了整個(gè)訓(xùn)練集的平均相對(duì)偏差。這也同時(shí)也表明，神經(jīng)網(wǎng)絡(luò)具有一定的泛化能力，個(gè)別異常樣本出現(xiàn)不影響整個(gè)網(wǎng)絡(luò)的預(yù)報(bào)精度，說明紫蘇油溶解度的神經(jīng)網(wǎng)絡(luò)模型是有效的。3網(wǎng)絡(luò)預(yù)測(cè)結(jié)果利用已建立好的網(wǎng)絡(luò)模型，我們對(duì)萃取參數(shù)為壓力15-30Mpa，步長(zhǎng)為1Mpa，溫度為35-75℃下的溶解度進(jìn)行了預(yù)測(cè)。預(yù)測(cè)結(jié)果如圖6。圖6紫蘇油在SC-CO2中的溶解度規(guī)律圖6清楚地顯示了紫蘇油在SC-CO2中的溶解規(guī)律：壓力是主要因素，溫度是次要因素。在壓力較低階段，紫蘇油幾乎不溶于SC-CO2中，在壓力為22－25MPa階段，溶解度的增幅最大，當(dāng)壓力越過25MPa后，這種增幅明顯趨緩。溫度對(duì)溶解度則呈負(fù)影響，即溫度增加，溶解度下降。在較低壓力下，由于溶解度的絕對(duì)值較小，溫度的影響也較小。在壓力影響最顯著階段，溫度的影響也最大，高溫與低溫之間的溶解度差值最大。隨著壓力的繼續(xù)上升，這種差值變小，說明此時(shí)壓力已開始接近轉(zhuǎn)折壓力，整個(gè)萃取過程將轉(zhuǎn)為溫度正效應(yīng)階段。受設(shè)備所限，無法達(dá)到轉(zhuǎn)折壓力（據(jù)文獻(xiàn)報(bào)道，油脂類物質(zhì)的轉(zhuǎn)折壓力在40Mpa左右[6]），但這也表明神經(jīng)網(wǎng)絡(luò)的模擬結(jié)果是符合溶解度變化的實(shí)際規(guī)律的。四結(jié)論利用間歇萃取裝置，采取靜態(tài)法測(cè)定并計(jì)算了紫蘇油在SC-CO2中的溶解度。建立并驗(yàn)證了紫蘇油在SC-CO2中溶解度的神經(jīng)網(wǎng)絡(luò)模型，該模型能較好地?cái)M合實(shí)際溶解度。（3）利用已建立的溶解度模型，并不需要了解物質(zhì)在SC-CO2中的溶解機(jī)理，即可預(yù)測(cè)未知條件下的溶解度，反映溶解規(guī)律，從而可以為萃取工藝的設(shè)計(jì)與優(yōu)化，以及SCFE裝置的工業(yè)放大數(shù)據(jù)的計(jì)算提供理論依據(jù)。參考文獻(xiàn)[1]Liong.K.K.,FosterN.R.andTingS.S.T.,Solubilityoffattyacidestersinsupercriticalcarbondioxide,Ind.Eng.Chem.Res.,1992,31(1):400-404[2]BambergerT.,EricksonJ.C.,CooneyC.L.,etal.,Measurementandmodelpredictionofsolubilitiesofpurefattyacids,puretriglyceridesandmixturesoftriglyceridesinsupercriticalcarbondioxide,J.Chem.Eng.Data.,1988,33(3):327-333.[3]陳念貽，欽佩，陳瑞亮，模式識(shí)別方法在化學(xué)化工中的應(yīng)用，科學(xué)出版社，2000，北京，71-101[4]閻平凡，張長(zhǎng)水，人工神經(jīng)網(wǎng)絡(luò)與模擬進(jìn)化計(jì)算，清華大學(xué)出版社，2000，北京，10-37[5]馬海樂，吳守一，陳均等，小麥胚芽油在超臨界CO2中溶解度的試驗(yàn)研究，中國(guó)糧油學(xué)報(bào)，1997，12（1）：38-47[6]NilssonW.B.,Ganglitz.Jr.E.J.andHudsonJ.K.,SolubilitiesofmethylOleate,Oleicacid,Oleylglycerols,andOleylglycerolmixturesinsupercriticalcarbondioxide,J.Am.Oilchem.Soc.,1991,68(2):87-91.附錄程序源代碼一、模塊源代碼1、定義變量OptionExplicit'定義輸入輸出的文件名Publicfile_inputAsStringPublicfile_weightAsString'定義輸入和輸出的數(shù)據(jù)個(gè)數(shù)Publicinput_numberAsIntegerPublicoutput_numberAsInteger'定義每層的結(jié)點(diǎn)數(shù)Publicnodes_of_layer0%,nodes_of_layer1%,nodes_of_layer2%Publiclearning_rateAsSingle'輸入數(shù)值和輸出數(shù)值;'原始數(shù)據(jù)Publicinputdata()AsSinglePublicoutputdata()AsSingle'歸一化以后的數(shù)據(jù)Publicnetinput()AsSinglePublicnetoutput()AsSingle'各層權(quán)重Publicweight_10()AsSinglePublicweight_21()AsSingle'各層的輸出值Publiclayer0_out()AsSinglePubliclayer1_out()AsSinglePubliclayer2_out()AsSinglePublicerror1()AsSinglePublicerror2()AsSinglePublicprogram_stateAsStringPublicregulate_inputAsSinglePublicregulate_outputAsSingle2、重新設(shè)置'本子程序的目的:重置所有的數(shù)組,重新開始計(jì)算Subrefresh_net()Dimi%,j%ReDiminputdata(nodes_of_layer0)AsSingleReDimoutputdata(nodes_of_layer0)AsSingleReDimnetinput(nodes_of_layer0)AsSingleReDimnetoutput(nodes_of_layer0)AsSingleReDimweight_10(nodes_of_layer1,nodes_of_layer0)AsSingleReDimweight_21(nodes_of_layer2,nodes_of_layer1)AsSingleReDimlayer0_out(nodes_of_layer0)AsSingleReDimlayer1_out(nodes_of_layer1)AsSingleReDimlayer2_out(nodes_of_layer2)AsSingleReDimerror1(nodes_of_layer1)AsSingleReDimerror2(nodes_of_layer2)AsSingle3、權(quán)重隨機(jī)賦值'給各層的權(quán)重賦隨機(jī)數(shù)RandomizeFori=1Tonodes_of_layer1Forj=1Tonodes_of_layer0weight_10(i,j)=RndNextjNextiFori=1Tonodes_of_layer2Forj=1Tonodes_of_layer1weight_21(i,j)=RndNextjNextiEndSub4、計(jì)算正向輸出結(jié)果'該子程序用于正向計(jì)算輸出結(jié)果Subcaculate()Dimi%,j%DimftempAsSingle'caculatelayer0Fori=1Tonodes_of_layer0layer0_out(i)=netinput(i)Nexti'caculatelayer1Fori=1Tonodes_of_layer1ftemp=0Forj=1Tonodes_of_layer0ftemp=ftemp+weight_10(i,j)*layer0_out(j)Nextjftemp=1/(1+Exp(-ftemp))layer1_out(i)=ftempNexti'caculatelayer2Fori=1Tonodes_of_layer2ftemp=0Forj=1Tonodes_of_layer1ftemp=ftemp+weight_21(i,j)*layer1_out(j)Nextjftemp=1/(1+Exp(-ftemp))layer2_out(i)=ftempNextiEndSub5、調(diào)整網(wǎng)絡(luò)權(quán)重'本子程序的作用是:對(duì)網(wǎng)絡(luò)的權(quán)重進(jìn)行調(diào)整Subadjust()Dimi%,j%DimftempAsSingle'調(diào)整輸出層的權(quán)重Fori=1Tonodes_of_layer2error2(i)=(netoutput(i)-layer2_out(i))*layer2_out(i)*(1-layer2_out(i))NextiFori=1Tonodes_of_layer2Forj=1Tonodes_of_layer1weight_21(i,j)=weight_21(i,j)+learning_rate*error2(i)*layer1_out(j)NextjNexti'調(diào)整隱含層的權(quán)重Fori=1Tonodes_of_layer1ftemp=0Forj=1Tonodes_of_layer2ftemp=ftemp+weight_21(j,i)*error2(j)Nextjerror1(i)=ftemp*layer1_out(i)*(1-layer1_out(i))NextiFori=1Tonodes_of_layer1Forj=1Tonodes_of_layer0weight_10(i,j)=weight_10(i,j)+learning_rate*layer0_out(j)*error1(i)NextjNextiEndSub6、數(shù)據(jù)的保存Subsave_net()Dimi%,j%OnErrorGoTo1000Openfile_weightForOutputAs#1Print#1,input_numberPrint#1,output_numberPrint#1,nodes_of_layer0,nodes_of_layer1,nodes_of_layer2Print#1,learning_ratePrint#1,regulate_inputPrint#1,regulate_outputFori=1Tonodes_of_layer1Forj=1Tonodes_of_layer0Print#1,weight_10(i,j);Nextj,iPrint#1,Fori=1Tonodes_of_layer2Forj=1Tonodes_of_layer1Print#1,weight_21(i,j);Nextj,iClose#1ExitSub1000:Close#1MsgBox"無法寫入配置文件,無法記錄權(quán)值",vbOKOnly,""Err.ClearEndSub7、自定義函數(shù)Functionload_net()AsStringDimi%,j%OnErrorGoTo1000Openfile_weightForInputAs#1Input#1,input_numberInput#1,output_numberInput#1,nodes_of_layer0,nodes_of_layer1,nodes_of_layer2Input#1,learning_rateInput#1,regulate_inputInput#1,regulate_output'重新定義數(shù)組refresh_netFori=1Tonodes_of_layer1Forj=1Tonodes_of_layer0Input#1,weight_10(i,j)Nextj,iFori=1Tonodes_of_layer2Forj=1Tonodes_of_layer1Input#1,weight_21(i,j)Nextj,iClose#1load_net="OK"ExitFunction1000:Close#1MsgBox"無法打開配置文件,重新開始學(xué)習(xí)",vbOKOnly,""Err.ClearEndFunction二、網(wǎng)絡(luò)初始化及參數(shù)設(shè)置源代碼OptionExplicitPrivateSubForm_Load()Text1.Text=nodes_of_layer1Text2.Text=Format(learning_rate,"0.00")UpDown1.Value=Text1.TextText3.Text=input_numberText4.Text=output_numberUpDown2.Value=Text3.TextUpDown3.Value=Text4.TextText5.Text=Form1.learn_timesText6.Text=Form1.max_error*100IfForm1.method=0ThenOption1.Value=TrueElseOption2.Value=TrueEndSubPrivateSubImage2_Click()UnloadMeEndSubPrivateSubImage5_Click()IfText2.Text<=0OrText2.Text>1ThenMsgBox"學(xué)習(xí)效率的數(shù)值只能在0到1之間，請(qǐng)改正",vbOKOnly+vbExclamation,"提示欄！"Text2.SetFocusEndIfForm1.learn_times=Text5.TextForm1.max_error=Text6.Text/100IfOption1.Value=TrueThenForm1.method=0ElseForm1.method=1learning_rate=Text2.TextIfText1.Text<>nodes_of_layer1OrText3.Text<>input_numberOr_Text4.Text<>output_numberThen'Orlearning_rate<>Text2.TextDimresponse%response=MsgBox("網(wǎng)絡(luò)參數(shù)已被改變,是否要重置網(wǎng)絡(luò)?選定后按[返回]鍵返回。",vbYesNo+vbExclamation,"提示欄！")Ifresponse=vbYesThenForm1.total_times=0input_number=Text3.Textoutput_number=Text4.Textnodes_of_layer1=Text1.Text'考慮到閥值的情況IfCheck1.Value=0Thennodes_of_layer0=Text3.Textnodes_of_layer2=Text4.TextEndIfrefresh_netIfForm1.data_okThensave_netEndIfEndIfEndSubPrivateSubImage6_Click()IfForm1.data_ok=TrueThenrefresh_netsave_netEndIfEndSubPrivateSubText5_Change()Option1.Value=TrueEndSubPrivateSubText6_Change()Option2.Value=TrueEndSubPrivateSubUpDown1_Change()Text1.Text=UpDown1.ValueEndSubPrivateSubUpDown2_Change()Text3.Text=UpDown2.ValueEndSubPrivateSubUpDown3_Change()Text4.Text=UpDown3.ValueEndSub三、學(xué)習(xí)訓(xùn)練窗口源代碼OptionExplicitDimarray1()AsSingleDimarray2()AsSingleDimgroups%Publictotal_timesAsLongPublicdata_okAsBooleanPubliclearn_timesAsLongPublicmax_errorAsSinglePublicmethod%PrivateSubForm_Load()nodes_of_layer0=26nodes_of_layer1=8nodes_of_layer2=1input_number=1output_number=1max_error=0.01learn_times=10000method=0learning_rate=0.9EndSubFunctionload_data(file_dAsString,array1()AsSingle,array2()AsSingle)AsIntegerDimi%,j%OnErrorGoTo1000Openfile_dForInputAs#1Dimgroups%,totalAsLongReDimarray1(1000,input_number)ReDimarray2(1000,output_number)groups=1total=0regulate_input=0regulate_output=0DoWhileNotEOF(1)Fori=1Toinput_numberInput#1,array1(groups,i)Ifregulate_input<Abs(array1(groups,i))Thenregulate_input=Abs(array1(groups,i))total=total+1NextiForj=1Tooutput_numberInput#1,array2(groups,j)Ifregulate_output<Abs(array2(groups,j))Thenregulate_output=Abs(array2(groups,j))total=total+1Nextjgroups=groups+1Loop1000:IfEOF(1)Thenregulate_input=regulate_input*2regulate_output=regulate_output*2groups=total/(input_number+output_number)load_data=groupsClose#1ExitFunctionElseClose#1MsgBox"無法打開數(shù)據(jù)文件",vbOKOnly,""Err.ClearEndIfEndFunctionPrivateSubImage1_Click()Ifdata_okThensave_netEndSubPrivateSubImage2_Click()Dimi%,j%Dimx%IfNotdata_okThenMsgBox"請(qǐng)先打開數(shù)據(jù)文件!",vbOKOnly,""ExitSubEndIfDimftempAsSingleSelectCasemethodCase0:Forx=1Tolearn_timesftemp=0Fori=1TogroupsForj=1Toinput_numbernetinput(j)=array1(i,j)/regulate_inputNextjForj=1Tooutput_numbernetoutput(j)=array2(i,j)/regulate_outputNextjcaculateForj=1Tooutput_numberftemp=ftemp+Abs((layer2_out(j)-netoutput(j))/netoutput(j))NextjadjustNextiDoEventsImage5.Visible=Truetotal_times=total_times+1Text2.Text=total_timesftemp=ftemp/(output_number*groups)Text1.Text=Format(ftemp*100,"0.000000000")&"%"NextxCase1:Doftemp=0Fori=1TogroupsForj=1Toinput_numbernetinput(j)=array1(i,j)/regulate_inputNextjForj=1Tooutput_numbernetoutput(j)=array2(i,j)/regulate_outputNextjcaculateForj=1Tooutput_numberftemp=ftemp+Abs((layer2_out(j)-netoutput(j))/netoutput(j))NextjadjustNextiftemp=ftemp/(output_number*groups)Text2.Text=total_timesText1.Text=Format(ftemp*100,"0.000000")&"%"I