MATLAB基于BP神经网络简易理解的实战

题    目：    基于BP神经网络预测渔场的PH值                                      

     

         备注：这是我当时根据老师随口提的作业，用MATLAB构建的一个BP神经网络，用来预测PH值数据。因为是当时的笔记，所以很简单，易于理解。里面的程序都是最基础的BP神经网络的程序，有兴趣可以看看。

基于BP神经网络预测渔场的PH值

渔场中水的pH值（酸碱度）是水质的重要指标，pH值过高或过低，对水产养殖动物都有直接的损害，甚至会造成死亡，因此了解渔场中水的PH是渔场的任务之一。但传统的试纸测试PH值的方法过于浪费时间，我们拟通过建立PH与水温及空气温度的关系模型，用水温及空气温度去预测渔场中水的PH值。

一、解决问题的方法

第一步 读取数据

我们需要读取渔场中水的pH值和水温及空气温度的数据。水温和空气温度作为神经网络的输入，渔场中水的pH值作为神经网络的输出。

第二步 设置训练数据和预测数据

我们选择其中一部分作为样本训练数据，一部分作为预测数据去检测训练的模型。

第三步 训练样本数据归一化

我们将训练样本数据进行归一化，归一化的目的就是使得预处理的数据被限定在一定的范围内（比如 [0,1]或者 [-1,1]），从而减小奇异样本数据导致的不良影响。

第四步 构建BP神经网络

我们构建了一个双输入，单输出的BP神经网络，隐含层为50。

第五步 网络参数配置和训练（ 训练次数，学习速率，训练目标最小误差）

训练次数，设置为1000次

学习速率，设置为0.01

训练目标最小误差，这里设置为0.00001

等）

第；六步 BP神经网络预测

我们使用原始数据中的一部分作为预测数据，再建立一个仿真图去观察神经网络模型的性能。

性能表

二、实验结果与分析

我们将分别尝试选取1000个训练样本数，500个训练样本数，100个训练样本数进行实验，误差结果如下:

表1 实验结果

	样本数	平均误差
第一次	1000	1.6705
第二次	500	0.0397
第三次	100	0.0723

    

根据上述结果，我们选择500个训练样本数来建立神经网络模型。

再输入水温25和空气温度22，结果预测的BP值为5.9267