基于模糊神经网络的水质评价代码

该代码为基于模糊神经网络的水质评价代码

清空环境变量 参数初始化 网络训练 网络预测

嘉陵江实际水质预测 清空环境变量 clc clear

参数初始化

xite=0.001; alfa=0.05;

%网络节点

I=6; %输入节点数 M=12; %隐含节点数 O=1; %输出节点数

%系数初始化

p0=0.3*ones(M,1);p0_1=p0;p0_2=p0_1; p1=0.3*ones(M,1);p1_1=p1;p1_2=p1_1; p2=0.3*ones(M,1);p2_1=p2;p2_2=p2_1; p3=0.3*ones(M,1);p3_1=p3;p3_2=p3_1; p4=0.3*ones(M,1);p4_1=p4;p4_2=p4_1; p5=0.3*ones(M,1);p5_1=p5;p5_2=p5_1; p6=0.3*ones(M,1);p6_1=p6;p6_2=p6_1;

%参数初始化

c=1+rands(M,I);c_1=c;c_2=c_1; b=1+rands(M,I);b_1=b;b_2=b_1;

maxgen=100; %进化次数

%网络测试数据，并对数据归一化

load data1 input_train output_train input_test output_test

%选连样本输入输出数据归一化

[inputn,inputps]=mapminmax(input_train); [outputn,outputps]=mapminmax(output_train);

[n,m]=size(input_train); 网络训练

%循环开始，进化网络 for iii=1:maxgen iii;

for k=1:m

x=inputn(:,k);

%输出层结算 for i=1:I

for j=1:M

u(i,j)=exp(-(x(i)-c(j,i))^2/b(j,i)); end end

%模糊规则计算 for i=1:M

w(i)=u(1,i)*u(2,i)*u(3,i)*u(4,i)*u(5,i)*u(6,i); end

addw=sum(w);

for i=1:M

yi(i)=p0_1(i)+p1_1(i)*x(1)+p2_1(i)*x(2)+p3_1(i)*x(3)+p4_1(i)*x(4)+p5_1(i)*x(5)+p6_1(i)*x(6); end

addyw=yi*w'; %网络预测计算 yn(k)=addyw/addw; e(k)=outputn(k)-yn(k);

%计算p的变化值 d_p=zeros(M,1);

d_p=xite*e(k)*w./addw; d_p=d_p';

%计算b变化值 d_b=0*b_1; for i=1:M for j=1:I

d_b(i,j)=xite*e(k)*(yi(i)*addw-addyw)*(x(j)-c(i,j))^2*w(i)/(b(i,j)^2*addw^2); end end

%更新c变化值 for i=1:M for j=1:I

d_c(i,j)=xite*e(k)*(yi(i)*addw-addyw)*2*(x(j)-c(i,j))*w(i)/(b(i,j)*addw^2); end end

p0=p0_1+ d_p+alfa*(p0_1-p0_2);

p1=p1_1+ d_p*x(1)+alfa*(p1_1-p1_2); p2=p2_1+ d_p*x(2)+alfa*(p2_1-p2_2); p3=p3_1+ d_p*x(3)+alfa*(p3_1-p3_2); p4=p4_1+ d_p*x(4)+alfa*(p4_1-p4_2); p5=p5_1+ d_p*x(5)+alfa*(p5_1-p5_2); p6=p6_1+ d_p*x(6)+alfa*(p6_1-p6_2);

b=b_1+d_b+alfa*(b_1-b_2); c=c_1+d_c+alfa*(c_1-c_2);

p0_2=p0_1;p0_1=p0; p1_2=p1_1;p1_1=p1; p2_2=p2_1;p2_1=p2; p3_2=p3_1;p3_1=p3; p4_2=p4_1;p4_1=p4; p5_2=p5_1;p5_1=p5; p6_2=p6_1;p6_1=p6;

c_2=c_1;c_1=c; b_2=b_1;b_1=b;

end

E(iii)=sum(abs(e)); end

figure(1);

plot(outputn,'r') hold on plot(yn,'b') hold on

plot(outputn-yn,'g');

legend('实际输出','预测输出','误差','fontsize',12) title('训练数据预测','fontsize',12) xlabel('样本序号','fontsize',12)

ylabel('水质等级','fontsize',12)

Warning: Ignoring extra legend entries.

网络预测

%数据归一化

inputn_test=mapminmax('apply',input_test,inputps); [n,m]=size(inputn_test) for k=1:m

x=inputn_test(:,k);

%计算输出中间层 for i=1:I

for j=1:M

u(i,j)=exp(-(x(i)-c(j,i))^2/b(j,i)); end end

for i=1:M

w(i)=u(1,i)*u(2,i)*u(3,i)*u(4,i)*u(5,i)*u(6,i); end

addw=0; for i=1:M

addw=addw+w(i); end

for i=1:M

yi(i)=p0_1(i)+p1_1(i)*x(1)+p2_1(i)*x(2)+p3_1(i)*x(3)+p4_1(i)*x(4)+p5_1(i)*x(5)+p6_1(i)*x(6); end

addyw=0; for i=1:M

addyw=addyw+yi(i)*w(i); end

%计算输出

yc(k)=addyw/addw; end

%预测结果反归一化

test_simu=mapminmax('reverse',yc,outputps); %作图

figure(2)

plot(output_test,'r') hold on

plot(test_simu,'b') hold on

plot(test_simu-output_test,'g')

legend('实际输出','预测输出','误差','fontsize',12) title('测试数据预测','fontsize',12) xlabel('样本序号','fontsize',12) ylabel('水质等级','fontsize',12) n = 6 m = 50

Warning: Ignoring extra legend entries.

嘉陵江实际水质预测

load data2 hgsc gjhy dxg

%-----------------------------------红工水厂----------------------------------- zssz=hgsc; %数据归一化

inputn_test =mapminmax('apply',zssz,inputps); [n,m]=size(zssz);

for k=1:1:m

x=inputn_test(:,k);

%计算输出中间层 for i=1:I

for j=1:M

u(i,j)=exp(-(x(i)-c(j,i))^2/b(j,i)); end end

for i=1:M

w(i)=u(1,i)*u(2,i)*u(3,i)*u(4,i)*u(5,i)*u(6,i); end

addw=0;

for i=1:M

addw=addw+w(i); end

搜索“diyifanwen.net”或“第一范文网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读，第一范文网，提供最新小学教育基于模糊神经网络的水质评价代码 全文阅读和word下载服务。