T-S模糊神经网络在水质评价中的应用

《T-S模糊神经网络在水质评价中的应用》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、T-S模糊神经网络在水质评价中的应用作者简介韩波（1956-），男，高级工程师，主要从事环境监测与研究工作。韩波（北海市环境监测中心站广西北海53600）摘要：根据水质现象的特点，提出了一种基于T-S模糊神经网络建模方法，该方法通过对水质标准模糊系统的结构辨识和参数辨识，从而达到精确建模的目的。并将建好的模式通过实例应用与文献[3]方法比较，显示出本法更具有客观性和实用性。关键词：模糊神经网络水质评价模糊识别T-SFuzzyNeuralNetworkApplicationsinWaterQualityAsse

2、ssmentHanBo(BeihaiEnvironmentalMonitoringCenter,Beihai,Guangxi536000)Abstract:Accordingtothewaterqualitycharacteristicsofthephenomenon,weproposeaneuralnetworkbasedonTSfuzzymodelingmethodofwaterqualitystandardsbythefuzzysystemstructureidentificationandparame

3、teridentification,soastoachieveaccuratemodelingpurposes.Andmodelbyexampleapplicationsbuiltwiththeliterature[3]methodistoshowmoreobjectivityandpracticalityofthisAct.Keywords:fuzzyneuralnetwork;waterqualityassessment;fuzzyrecognition显示对应的拉丁字符的拼音 字典水质现象的多样性、变异

4、性和复杂性，因而存在大量的不确定性、不精确性，这种不确定性、不精确性既具有随机性，更具有模糊性，使得人们难以用传统的数学方法为其建立精确的水质评价数学模型，近年来水质评价进展迅速，尤其是用模糊数学的方法进行水质评价已经成为一种时尚，并取得了很多成果[1-2]。但模糊数学有其自身的局限性，它在人为选定隶属函数和模糊推理的基础上，模糊系统缺乏自学习和自适应能力，要设计和实现模糊系统的自适应控制功能比较困难，而神经网络则可直接从样本中进行有效学习，它具有并行计算、容错能力以及具备自适应学习功能等一系列的优点。本文提

5、出T-S模糊神经网络系统，该系统首先从期望输入输出样本数据对开始，通过混合学习算法，能很快的对隶属度函数的参数和模糊精确化系数进行辨识，从而达到评价水质的目的。通过对文献[3]的实例分析与比较，结果表明，模糊神经网络法明显地优于模糊模式识别法，本法能很好构建水质模糊性评价系统，并能使得评价结论参数的辨识简单、快速、有效。1T-S模糊神经网络T-S模型与通常的模糊神经网络的解析结构有机地结合起来，可以得到图1所示的一个MISO情况下的T-S模糊神经网络结构，它主要由前件和后件网络两个部分组成。1．1前件网络8图

6、1T-S模糊神经网络结构图第一层为输入层，输入值，该层的节点数为。第二层为模糊化层，用于对来自输入单元的数据进行模糊处理，各神经元执行相应的隶属函数，；。是的模糊分割数，这里隶属函数采用高斯函数的表示形式式（1）中：、分别为隶属度函数的中心和宽度；该层的节点总数为。第三层为模糊规则层，它的作用是用来匹配模糊规则的前件，计算出每条规则的适用度，即采用模糊算子为连乘算子。式（2）中：，，，该层的节点数为。第四层的结点数与第三层相同,它所实现的是归一化计算，避免在学习过程中由于各个修正参数过大而产生振荡。该层的计算

7、式表示为：81．2后件网络第一层是输入层，其中第0个节点的输入值，它的作用是提供模糊规则后件的常数项。第二层有个节点，它的作用是计算每一条规则后件：式（4）中：。第三层完成系统的输出计算可见是各规则后件的加权和，其加权系数是各模糊规则经过归一化后的适用度，即前件网络的输出用作后件第三层的连接权值。1．3学习算法（1）误差计算以上建立的模糊神经网络的结构为一局部逼近的前向反馈多层网络，网络学习训练过程可采用误差反向传播（BP）算法。由于各输入分量的模糊分割已经在数据分析中确定，学习中需要调整的是第2层的隶属度函

8、数的中心值和宽度，学习的性能指标为式（6）中：是网络期望输出；是网络实际输出；为期望输出和实际输出的误差。（2）系数修正式（7）、（8）中：为神经网络系数；为网络学习率；为网络输入参数；为输入参数隶属度连乘积。8（3）参数修正式（9）、（10）中，分别为隶属度函数的中心和宽度。2应用实例2．1学习样本的生成用定量模型对水质进行评价,首先就要对水质各指标进行定量化描述，就模糊神经网络模型而言,需将水质