基于人工神经网络的过闸流量软测量研究.ppt

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