基于人工神經(jīng)網(wǎng)絡(luò)的過閘流量軟測(cè)量研究

基于人工神經(jīng)網(wǎng)絡(luò)的過閘流量軟測(cè)量研究1.課題背景2.BP算法和軟測(cè)量的引入3.BP算法的實(shí)現(xiàn)4.實(shí)驗(yàn)結(jié)果Index課題背景過閘流量1、水力學(xué)公式法2、曲線法3、流速儀法（目前廣泛采用）

流速儀法的不足

課題背景1、很難確定合適的測(cè)點(diǎn)。2、測(cè)量時(shí)間長，實(shí)時(shí)性不高，耽誤啟閉閘門的最佳時(shí)機(jī)。3、需要的硬件資源比較高，大大增加了成本。1.課題背景2.BP算法和軟測(cè)量引入3.BP算法的實(shí)現(xiàn)4.實(shí)驗(yàn)結(jié)果IndexBP算法的引入軟測(cè)量上水位閘門開度上水位和閘門開度較易獲得BP算法的引入BP算法和軟測(cè)量的結(jié)合1.課題背景2.BP算法和軟測(cè)量的引入3.BP算法的實(shí)現(xiàn)4.實(shí)驗(yàn)結(jié)果IndexBP算法的實(shí)現(xiàn)網(wǎng)絡(luò)層數(shù)的確定理論上已證明：具有偏差和至少一個(gè)S型隱含層加上一個(gè)線性輸出層的網(wǎng)絡(luò)，能夠逼近任何有理函數(shù)。BP網(wǎng)絡(luò)模型中的隱含層數(shù)為一層，這樣網(wǎng)絡(luò)既不會(huì)太復(fù)雜又不會(huì)陷入局部太小。

隱含層激勵(lì)函數(shù)（sigmoid）

BP算法的實(shí)現(xiàn)神經(jīng)元數(shù)的確定通過對(duì)不同神經(jīng)元數(shù)進(jìn)行訓(xùn)練對(duì)比，以及通過簡單的交叉驗(yàn)證法確定隱含層的神經(jīng)元數(shù)為15個(gè)。BP算法的實(shí)現(xiàn)模型的訓(xùn)練輸入數(shù)據(jù)標(biāo)準(zhǔn)化：把輸入數(shù)據(jù)規(guī)一到[0,1]閉區(qū)間BP算法的實(shí)現(xiàn)權(quán)值和閥值的獲取流程圖樣本輸入BP網(wǎng)絡(luò)輸出誤差權(quán)值閥值梯度下降法樣本輸出比較收斂不收斂修改權(quán)值和閥值信息的正向傳遞BP算法的實(shí)現(xiàn)隱含層神經(jīng)元的輸出：輸出層的輸出：誤差函數(shù)：輸出層權(quán)值變化BP算法的實(shí)現(xiàn)利用梯度下降法求權(quán)值變化及誤差反向傳播：其中同理可得：隱含層權(quán)值變化BP算法的實(shí)現(xiàn)利用梯度下降法求權(quán)值變化及誤差反向傳播：其中同理可得：1.課題背景2.BP算法和軟測(cè)量的引入3.BP算法的實(shí)現(xiàn)4.實(shí)驗(yàn)結(jié)果5.結(jié)論Index運(yùn)用MATLAB對(duì)對(duì)網(wǎng)絡(luò)進(jìn)行