基于反向傳播神經(jīng)網(wǎng)絡(luò)的無(wú)線火災(zāi)預(yù)警系統(tǒng)
加入技術(shù)交流群
隨機(jī)反向傳播神經(jīng)網(wǎng)絡(luò)模型主要由輸入層、隱含層和輸出層三部分組成，如圖2所示。
選取x1，x2，x3，x4四個(gè)節(jié)點(diǎn)組成輸入層，由y1，y2，y3，y4組成隱含層(中間層)，輸出層則由z1，z2，z3三個(gè)輸出端組成。其中，x1，x2，x3，x4四個(gè)節(jié)點(diǎn)分別代表溫度、火焰、煙霧濃度和CO濃度四個(gè)傳感器信息，進(jìn)行模糊歸一化處理后的數(shù)據(jù)輸入，z1，Z2．z3三個(gè)輸出端則分別代表常溫?zé)o火、發(fā)生陰燃和明火火災(zāi)三種狀態(tài)。
根據(jù)火災(zāi)預(yù)警系統(tǒng)的特征，選取神經(jīng)網(wǎng)絡(luò)各層之間的映射函數(shù)如下：
(1)輸入層到隱含層節(jié)點(diǎn)j的值為：
式中：ωji為輸入層到隱含層的權(quán)值；d為輸入樣本維數(shù)，d=4，即輸入層節(jié)點(diǎn)數(shù)。
(2)輸入層到隱含層的激活函數(shù)為S型函數(shù)，即：
式中：a，b為常數(shù)，a=1．716，b=2／3，a，b的取值保證f’(0)≈0．5，并且線性范圍為-1net+1，以及二階導(dǎo)數(shù)的極值大致發(fā)生在net≈±2處。
(3)隱含層的輸出yj為：
yj=f／(netj) (4)
(4)隱含層到輸出層節(jié)點(diǎn)k的值為：
netk=yjωkj，j=1，2，3，4；k=1，2，3，4 (5)
式中ωkj，為輸入層到隱含層的權(quán)值。
(5)隱含層到輸出層的激函數(shù)亦為S型函數(shù)：
f(netk)=atanh(b*netk) (6)
式中tanh(x)如式(3)所示；a，b為常數(shù)，取值同式(2)。
(6)輸出層的最后輸出zj為：
zk=f(netk) (7)
2．2 借助Matlab平臺(tái)模擬仿真
本研究在Matlab平臺(tái)上對(duì)基于三層反向傳播神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的火災(zāi)預(yù)警系統(tǒng)模型進(jìn)行仿真模擬。
根據(jù)火災(zāi)實(shí)際發(fā)生時(shí)，選取各種傳感器實(shí)際數(shù)據(jù)中的600組典型數(shù)據(jù)作為訓(xùn)練樣本對(duì)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練。訓(xùn)練過(guò)程中通過(guò)不斷調(diào)整神經(jīng)網(wǎng)絡(luò)模型的相關(guān)常數(shù)取值，經(jīng)過(guò)多次反復(fù)訓(xùn)練后，使得神經(jīng)網(wǎng)絡(luò)模型的輸出值與測(cè)試樣本輸出值之問(wèn)的誤差小于某一預(yù)置值。得到的訓(xùn)練誤差下降曲線如圖3所示。本文引用地址：http://www.ex-cimer.com/article/153987.htm
評(píng)論