安全与环境工程
安全與環境工程
안전여배경공정
SAFETY AND ENVIRONMENTAL ENGINEERING
2014年
6期
129-134,139
,共7页
刘杰%杨鹏%吕文生%刘阿古达木
劉傑%楊鵬%呂文生%劉阿古達木
류걸%양붕%려문생%류아고체목
城市空气质量%分类评价%BP神经网络%RBF神经网络
城市空氣質量%分類評價%BP神經網絡%RBF神經網絡
성시공기질량%분류평개%BP신경망락%RBF신경망락
根据MATLAB提供的人工神经网络模型,将其应用到城市空气质量评价,研究并对比分析BP和RBF两种人工神经网络的建模方法及评价结果.首先构建BP神经网络模型,确定输入层、隐含层和输出层的神经元数,选择Sigmoid型函数作为激励函数,应用内插扩展出的训练样本对BP网络进行学习,再用训练成熟的BP网络对待评价样本进行仿真;其次构建RBF神经网络模型,确定其输入层和输出层的神经元数,选择Gauss函数作为隐含层激励函数,再用同样的训练样本进行学习和仿真;最终进行归一化论证,验证归一化预处理在空气质量评价中的必要性.结果表明:应用BP和RBF人工神经网络可以得出较好的城市空气质量分类评价结果,其中RBF神经网络模型与改进的灰色聚类法评价结果一致,具有较高的准确率,是一种快捷、有效的综合评价方法.
根據MATLAB提供的人工神經網絡模型,將其應用到城市空氣質量評價,研究併對比分析BP和RBF兩種人工神經網絡的建模方法及評價結果.首先構建BP神經網絡模型,確定輸入層、隱含層和輸齣層的神經元數,選擇Sigmoid型函數作為激勵函數,應用內插擴展齣的訓練樣本對BP網絡進行學習,再用訓練成熟的BP網絡對待評價樣本進行倣真;其次構建RBF神經網絡模型,確定其輸入層和輸齣層的神經元數,選擇Gauss函數作為隱含層激勵函數,再用同樣的訓練樣本進行學習和倣真;最終進行歸一化論證,驗證歸一化預處理在空氣質量評價中的必要性.結果錶明:應用BP和RBF人工神經網絡可以得齣較好的城市空氣質量分類評價結果,其中RBF神經網絡模型與改進的灰色聚類法評價結果一緻,具有較高的準確率,是一種快捷、有效的綜閤評價方法.
근거MATLAB제공적인공신경망락모형,장기응용도성시공기질량평개,연구병대비분석BP화RBF량충인공신경망락적건모방법급평개결과.수선구건BP신경망락모형,학정수입층、은함층화수출층적신경원수,선택Sigmoid형함수작위격려함수,응용내삽확전출적훈련양본대BP망락진행학습,재용훈련성숙적BP망락대대평개양본진행방진;기차구건RBF신경망락모형,학정기수입층화수출층적신경원수,선택Gauss함수작위은함층격려함수,재용동양적훈련양본진행학습화방진;최종진행귀일화론증,험증귀일화예처리재공기질량평개중적필요성.결과표명:응용BP화RBF인공신경망락가이득출교호적성시공기질량분류평개결과,기중RBF신경망락모형여개진적회색취류법평개결과일치,구유교고적준학솔,시일충쾌첩、유효적종합평개방법.
