BP神经网络作业.docVIP

BP神经网络作业 下表是某炼厂常压塔实测数据和人工化验结果（汽油干点）。假设输入变量为常顶温度、顶回流温度、进料温度、进料压力、常顶压力共5个变量；输出量为汽油干点。试用BPNN建立此常压塔汽油干点软测量模型。用其中的130组数据作为训练样本、剩下的40数据作为检测样本。要求： （1）编制Matlab程序、多做实验、多进行分析，提供最终的全部程序； （2）提供最终的网络结构、节点传递函数和权值/阈值的数值； （3）提供最终汽油干点的计算值和人工化验值的对比曲线（训练样本、检验样本分开对比）； （4）提供训练样本的误差平方和、检验样本的误差平方和。 （5）至于采用多少个中间层、中间层节点数是多少、传递函数、误差限、神经网络训练时的终止条件、是否加阈值、权值/阈值的初始值及其最终的数据范围、具体的学习算法，是否需要对输入输出数据进行滤波/平滑处理，等等，均由自己根据自己的情况来定。 （6）2013年11月21日22时之前完成。 编号 常顶温度 顶回流温度 进料温度 常顶压力 进料压力 汽油干点 1 117.2699 27.18499 365.1400 8.477999 43.41450 185 2 119.0400 29.07999 365.4299 9.046500 44.40299 184 3 118.0999 30.58499 365.5700 9.262499 44.0625 184 4 118.0199 35.65000 365.0849 9.762000 44.71450 184 5 118.2750 37.06999 365.7850 9.909500 44.83049 185 6 118.625 37.68999 365.1000 10.42700 45.80350 184 7 119.5650 35.90999 365.0650 9.902999 45.31100 185 8 118.5899 35.47000 366.3800 10.26599 45.76350 183 9 119.9000 33.70999 365.6199 9.767999 45.38150 185 10 118.9150 34.93000 366.2650 10.67500 46.01950 187 11 119.7249 34.13000 365.2999 10.88899 46.63850 189 12 118.6650 31.77499 365.6050 9.029500 44.09000 188 13 121.6750 35.04499 364.5849 9.675999 45.65700 189 14 120.3050 27.72500 364.8550 8.753499 44.94099 187 15 121.3850 27.79999 364.7449 8.760999 45.18700 185 16 119.8300 19.25 365.7600 8.277000 44.60549 185 17 119.4049 19.93000 365.3949 8.302000 44.34199 187 18 119.9449 28.12000 365.1050 10.46300 46.82699 188 19 118.2099 33.06999 365.0650 10.09999 46.56150 187 20 117.6949 32.80500 365.3550 9.940500 46.44799 184 21 121.6949 29.23999 366.6549 10.71899 50.48899 186 22 125.6800 21.86000 365.8399 17.08600 57.13299 184 23 117.6299 27.09000 365.1499 9.341500 45.73899 186 24 117.6350 26.72999 364.875 8.807000 45.13199 184 25 118.3000 31.36999 364.3399 10.08049 46.22050 184 26 118.8850 32.63999 365.3200 10.01949 46.42499 185 27 119.5100 32.82500 364.4849 9.253000 45.66849 187 28 119.5500 31.29999 364.6099 9.477999 46.76100 184 29 119.3050 32.68500 359.8999 8.805999 45.33449 189 30 118.3949 28.21000 366.