bp神经网络

shuddkk · 发表于 2021-3-4 13:23

EDA365欢迎您登录！

您需要登录才可以下载或查看，没有帐号？注册

x

用bp神经网络确定抽水试验含水层参数。但所求结果与实际相差较大
clear all; close all;clc
load t.txt %导入数据
load newinput.txt
% 随机生成测试和验证数据
T = 0.12 + 0.04*rand(1,120)
U = 0.0002 +0.0001*rand(1,120)

%根据公式计算求得输入数据

M=zeros(18,120)
for i=1:120
for c=1:18
m=43*43*U(1,i)/4/T(1,i)/t(c,1);n=-0.577216-log(m)+m;s=1*n/4/T(1,i )/pi;M(c,i)=s;
end
end

data = [T;U]

p = M
t = data
% 划分数据，分成测试和验证数据
[trainsample.p,valsample.p,testsample.p] =dividerand(p,0.8,0.15,0.15) ;
[trainsample.t,valsample.t,testsample.t] =dividerand(t,0.8,0.15,0.15);

% 数据归一化处理
[trainsample.P, ps] = mapminmax(trainsample.p,0,1)
testsample.P = mapminmax('apply',testsample.p,ps)
[trainsample.T, ts] = mapminmax(trainsample.t, 0,1)

% 初始化网络
net = newff(trainsample.P,trainsample.T,[1,27])

% 设置网络参数
net.trainParam.epochs = 50000;
net.trainParam.show=50;
net.trainParam.lr = 0.68;
net.trainParam.goal = 1E-15;

net.traiNFCn='trainbr';
[net,tr]=train(net,trainsample.P,trainsample.T);

% 仿真处理
p_sim=sim(net,testsample.P);
P_sim = mapminmax('reverse', p_sim, ts);

% 数据预测
newinput = mapminmax('apply', newinput, ps);
newOutput = sim(net, newinput);
newOutput = mapminmax('reverse',newOutput, ts)

勇往直前11 · 发表于 2021-3-4 13:33

帮你顶一下

小白的白 · 发表于 2021-3-4 15:53

我的理解是：
①有一组已知数据来自t.txt，它们是某模型的输入变量；该模型另有参数U和参数T；模型的输出为形如newinput.txt中的数据。
②目标是根据实际输出newinput.txt中的数据，拟合得到参数U和参数T的数值。
③实现过程则是，先随机生成一系列的参数U和T，并根据该模型计算得到对应的输出；接着构造一个神经网络，使用前述模型计算输出作为训练的输入，使用参数U和T的数据作为训练的输出，开始进行反馈训练；最后使用经过训练的神经网络，完成目标②。

小小鲁班 · 发表于 2021-3-4 16:00

来学习

帐号		自动登录	找回密码
密码			注册

bp神经网络

EDA365欢迎您登录！

浏览过的版块

推荐内容 /1