《基于人工神经网络的过闸流量软测量研究》由会员分享,可在线阅读,更多相关《基于人工神经网络的过闸流量软测量研究(18页珍藏版)》请在金锄头文库上搜索。
1、基于人工神经网络的过闸流量软测量研究 1. 课题背景 2.BP算法和软测量的引入 3. BP算法的实现 4.实验结果 课题背景 过闸流量 1、水力学公式法 2、曲线法 3、流速仪法(目前广泛采用) 流速仪法的不足 课题背景 1、很难确定合适的测点。 2、测量时间长,实时性不高,耽误启闭闸门的最佳时机。 3、需要的硬件资源比较高,大大增加了成本。 1. 课题背景 2.BP算法和软测量引入 3. BP算法的实现 4.实验结果 BP算法的引入 软测软测 量 上水位 闸门开度 上水位和闸门开度较易获得 BP算法的引入 1. 课题背景 2.BP算法和软测量的引入 3. BP算法的实现 4.实验结果 BP
2、算法的实现 理论上已证明:具有偏差和至少一个S型隐含层加上一个线性输出层的网络,能够逼 近任何有理函数。 BP网络模型中的隐含层数为一层,这样网络既不会太复杂又不会陷入局部太小。 隐含层激励函数(sigmoid) BP算法的实现 通过对不同神经元数进行训练对比,以及通过简单 的交叉验证法确定隐含层的神经元数为15个。 BP算法的实现 输入数据标准化:把输入数据规一到0,1闭区间 BP算法的实现 样本 输入 BP网络 输出 误差 权值 阀值 梯度下 降法 样本 输出 比 较 收敛 不收敛 修改权值和阀值 BP算法的实现 隐含层神经元的输出: 输出层的输出: 误差函数: BP算法的实现 利用梯度下降法求权值变化及误差反向传播: 其中 同理可得: BP算法的实现 利用梯度下降法求权值变化及误差反向传播: 其中 同理可得: 1. 课题背景 2.BP算法和软测量的引入 3. BP算法的实现 4.实验结果 5. 结论 实验结果 实验结果 网络模型过闸流量估计误差曲线