资源描述：
《自适应神经模糊推理在大气环境质量评价中的应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。
1、环境科学导刊2007,26(1):83-85CN53-1205/XISSN1006-947X自适应神经模糊推理在大气环境质量评价中的应用12韦彩嫩,张淑娟(1广州市环境卫生研究所,广东广州510170;2中山大学环境科学研究所,广东广州510275)摘要:利用matlab模糊工具箱中自适应神经模糊推理系统(Anfis)方法,对大气环境质量评价作一个尝试性的工作。利用Anfis法对大气环境质量现状的评价,并与灰色聚类法作比较,得出Anfis法用于评价环境质量是可行的,且
2、具有许多优点。关键词:自适应神经模糊推理;大气环境质量评价;应用中图分类号:X82文献标识码:A文章编号:1006-947X(2007)01-0083-03早在1965年,美国著名控制理论专家ZedehL第1层:结点为自适应结点,结点函数是模糊A教授创始模糊数学以来,模糊推理理论及其应用集Ai或Bi的隶属函数,其参数称为前提参数。其技术发展迅速。但模糊推理从领域专家那里获取的输出为模糊集Ai或Bi的隶属度,即:11模糊规则一般较粗糙,并且缺乏有效的学习机制。Oi=Ai(x)或Oi=Bi(x),i=
3、1,2⋯⋯美国学者Koskob在NeuralNetworksandFuzzy⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯(2)Systems中系统地研究和总结了神经网络和模糊其隶属函数除了分段函数类型外,任何类型的系统的一般原理和方法。台湾Jyh-ShingRoger函数都可作为隶属函数。一般选择bell-shaped函Jang教授系统地研究出了神经网络和模糊推理系统数,见式(3):的融合系统,即Anfis法。1Ai(x)=bi⋯⋯⋯⋯⋯⋯(3)环境质量计价的方法较多,有综合指数法、灰x-ci21+()ai色聚类法及
4、模糊数学法。这些方法各有优缺点,但式中{ai,bi,ci}为前提参数。是它们的共性都是缺乏自学习能力,数据信息的使第2层:结点为固定结点,其输出是前一层输用率低,因此丢失很多数据信息。出的所有信号的积,表示规则的激励强度,即:本文在模糊推理系统理论及Anfis实际应用的2启发下,提出了新的环境质量评价方法。Oi=Ai(x)#Bi(y),i=1,2⋯⋯⋯(4)[1~2]第3层:结点为固定结点,第i结点计算第i1Anfis的工作原理条规则的激励强度与所有规则的激励强度之和的比11Anfis的结构与学习规则值
5、,其输出称为归一化激励强度,即:Anfis是具有超强学习能力的前馈神经网络的3wi扩展集,其为网络结构,见图1。所有的节点或部Oi=wi=,i=1,2⋯⋯⋯⋯⋯⋯(5)w1+w2分节点可调节且其输出依赖于指向它们的参数。学第4层:结点为具有结点函数的自适应结点习规则描述这些参数如何变化,以达到规定误差的规则1:ifxisA1andyisB1thenf1=p1x+最小化。kkk-1k-1q1y+r1;规则2:ifxisA2andyisB2thenf2=Oi=Oi(O1,!!,O∀(k-1),a,b,c,p2x+q2
6、y+r2。其输出为:!!)⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯(1)4Oi=wifi=i(pix+qiy+ri)⋯⋯⋯⋯(6)由式(1)可看出,每个节点的输出与其前一式中{p,iq,iri}是结点i的结论参数。层节点的输出有关。第5层:单结点且为固定结点,用于计算所有传来信号之和作为系统总的输出,即:收稿日期:2006-05-24作者简介:韦彩嫩(1980-),女,壮族,广西河池人,硕士研∃wi#fi5i=1究生。f=O1=∃wifi=∃w⋯⋯⋯⋯⋯⋯⋯(7)ii=1%83%环境科学导刊第26卷第1期20
7、07年2月别超界,本文根据实际的监测数据增加1个评价等级,即本底级别。{本底,清洁,良好,轻污染}模糊语言值对应值分别为{01,1,2,3},其在Matlab形成一个trndata文件。利用Matlab的模糊工具箱里的Anfis工具,训练数据经过训练前、后隶属函数如图2和图3。图1自适应网络结构(口-可调节点,&-固定节点)表12003年10月大气现状监测结果单位:mg/Nm312混合算法监测点NO2SO2PM10TSP限于梯度法存在速度慢和有局部极小的缺点,1#008210101900540
8、2285Jyh-ShingRogerJang提出了混合学习法则即是梯2#01019009820047016453#0082800732012150134度法和最小二乘法估计量法来识别网络的参数,以4#00724009310079501785提高学习速度。5#0077600797007050242sugeno-type模糊推理系统的输出为:
