bp神经网络

shuddkk

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
# R) }- I2 p" x* M- [load t.txt    %导入数据
load newinput.txt
9 o8 I* N" T7 _( p! C% 随机生成测试和验证数据
T = 0.12 + 0.04*rand(1,120)
% V  U4 r9 D) w: [2 `, NU = 0.0002 +0.0001*rand(1,120)
* |( Y+ y* H/ I: m4 S' n3 M2 A7 }
3 Y7 {6 p4 p& s%根据公式计算求得输入数据

M=zeros(18,120)
for i=1:120
6 S, ]7 K9 t' d$ o3 z4 n+ y2 _3 |/ i    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
/ m" n9 ]% I4 S- H9 Send
4 k# G* n8 C7 S" t, {
data  = [T;U]
2 C3 H6 J& c& _- V; _' ?
p = M
/ s( |- s6 d& |. H( n# [, C# Mt = data
/ y& ~! f5 k# Y# \% 划分数据，分成测试和验证数据
4 o: p+ g1 X: T1 E8 \[trainsample.p,valsample.p,testsample.p] =dividerand(p,0.8,0.15,0.15) ;
  G4 ]& o6 w+ g" A+ I[trainsample.t,valsample.t,testsample.t] =dividerand(t,0.8,0.15,0.15);

/ i$ Z* x6 r9 g, E* r* ~% 数据归一化处理
7 B0 A4 t' y, E/ m4 [0 N$ ~- p[trainsample.P, ps] = mapminmax(trainsample.p,0,1)
! X- t2 ^5 `* Wtestsample.P = mapminmax('apply',testsample.p,ps)
0 E( W& _$ w# K& m. x[trainsample.T, ts] = mapminmax(trainsample.t, 0,1)

* g- M. V9 C9 A" Y$ ~- i& U& D% 初始化网络
net = newff(trainsample.P,trainsample.T,[1,27])
4 r- T2 J; x. J: M2 `' A1 x: }9 e
% 设置网络参数
2 D! L) m4 p" D& o- onet.trainParam.epochs = 50000;
5 D! R! Q' ]3 K% r  Snet.trainParam.show=50;
net.trainParam.lr = 0.68;
2 f+ l$ `1 D( Ynet.trainParam.goal = 1E-15;
/ y+ T. |+ S$ s6 _
, X& I6 Y- Q: p+ a5 `8 n/ F$ Wnet.traiNFCn='trainbr';
( x8 o( `% D7 ?6 [  [$ I3 L[net,tr]=train(net,trainsample.P,trainsample.T);
" }  H9 t) ^: L! r) p* P1 j
; g( e; Y+ H# W+ Z- ?. S% 仿真处理
% Q0 K1 @/ E2 ^# w( f. ~: Lp_sim=sim(net,testsample.P);
9 k8 m5 w6 a) W6 B8 W2 [9 d/ lP_sim = mapminmax('reverse', p_sim, ts);

( U# e7 h9 w6 C% }# p2 L% 数据预测
4 w( d$ H2 p6 X) `$ Y- Z; pnewinput = mapminmax('apply', newinput, ps);
newOutput = sim(net, newinput);
% A6 v0 q9 R+ Y3 F5 U! n- NnewOutput = mapminmax('reverse',newOutput, ts)
: x# L6 W5 l' i/ M7 j

1 A; t2 [* q$ f  O, l) v% ^
- r- E7 Y/ q" v/ b, t) b

勇往直前11

帮你顶一下

小白的白

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。
2 h  Q: P; n) P) F- f+ L& ^7 q③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

来学习