基于遗传级联神经网络的化学溶液浓度预测

《基于遗传级联神经网络的化学溶液浓度预测》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、文章编号：1671-3559(2006)02-0151-04基于遗传级联神经网络的化学溶液浓度预测孙志胜，韩延彬(济南大学債息科学与工程学院，山东济南250022)摘要：在化学实验中经常需要对化学溶液各成分的浓度给出比较准确的预测。通过遗传算法来优化级联神经网络，利用神经网络的学习预測能力来预测化学溶液的浓度。首先用小液网络对混合溶液测出的极谱信号进行拟合并提取特征；然后用神经网络对提取的信号特征学习训练到一定程度后，把要预测浓度的化学溶液的极谱信号经小波网络提取的特征输入该网络后，给出预鸿值。计算结果表明，预测结果基本符合要求。关键词：小波网络；级联神经网络；遗传算法；化学信号处理中图分

2、类号:TP273.32文献标识码：A浓度是表征物质溶液特性的主要参量之一。对溶液浓度的测量与控制在化工、环保、食品、制糖、制药等行业中有着广泛的应用，它是保证产品质量和提高产量的重要技术手段。目前，在溶液浓度的检测方面，有许多方法，极谱分析法就是其中的一种C用极谱仪(溶出分析仪)获得的极谱图•根据波峰的高度、宽度、位置可以确定物质种类及其浓度：，-2jo图1原始信号示波极谱图收積日期：2005・05-25基金项目川I东省岛校中青年学术什干计划作者简介：孙占胜(1971・)•男•山东费县人•讲师:如图1是两种典型化学物质m-Nitrochlorobenzene(m-NCB)和p-Nitroc

3、hlorobenzene(p-NCB)不同浓度的示波极谱信号。利用人工神经网络的学习预测能力对极谱图进行处理,有望得到较好的预测结果。1级联人工神经网络近年来，由神经网络之间相互连接的级联神经网络(CANN-CascadeArtificialNeuralNetwoks)门一“得到了一定的应用。级联神经网络的优点是可以充分发挥不同类型人工神经网络的各自特点，避免因涉及因素太多而造成单个神经网络结构过于复杂的问题，从而有利于神经网络的学习速度和预测精度。本文中化学溶液浓度预测的具体做法是采用两层神经网络级联的办法：首先用小波网络对混合溶液测岀的极谱信号进行拟合并提取特征，然后用神经网络对提取的

4、信号特征学习训练到一定程度后，把要预测浓度的混合溶液的极谱信号输入小波网络提取特征，把提取的特征输入训练好的神经网络后给出预测值。级联图形如图2所示：网络1:特征扯取WWH八丿Jxf符征l-i1*1a网络2：仃息预测innftiw图2级联网络框图2小波网络1一信号的特征抽取小波变换是20世纪80年代后期发展起来的应用数学分支，后来被法国学者成功引入信号处理领域，它可同时提供时域与频域的信息，被称为“数学显微镜”⑸。小波变换和神经网络的结合导致了小波神经网络的出现⑹。许多学者在这方面做了大量的工作，如文献［7］提岀了提高BP小波在神经网络收敛速度的多种方法;现在小波变换已被成功地用于电分析

5、化学及其它化学计量学方法，在化学计量学方面的应用倍受关注。如文献［8］对小波变换及其在化学中的应用作出了评述；邵学广等把小波变换用于色谱重叠峰的解析⑼等。这里用它进行初始信号处理，提取信号特征。2.1初始数据的调整。用MP-2溶出分析仪（山东电讯七厂生产）单扫示波极谱法得到的2.5次微分示波极谱图信号（见图1）,不利于用基函数来特征提取，需要进行调整。从图1看岀，其类似翻转的DOG基函数（见图3）,通过把该信号进行平移、翻转、伸缩等统一的变换（这不影响信号的性质）后，再把得到的信号进行特征提取。图3DOG小波2.2信号拟合通过信号的拟合，抽取信号的特征，来比较准确地表征信号。在信号抽取特征

6、的过程中，标准的DOG基函数并不能很好地做到信号的拟合，不能准确地提取信号的待征。通过极谱分析仪側到的信号曲线•与标准的DOG基函数很类似，但是两个谷是不关于波峰信号对称的,所以将标准的DOG函数进行调整，通过添加袞减因子0,对信号的波谷进行抑制,通过调节标准基函数可以达到较好的效果C把变形后的函数^(0=作为神经网络的激励函数。对于如图4所示的小波网络输出如下:口）十凹（詈）+妙%护）（1）参数说明咖表示峰值，是要抽取的参数"为峰值的位魁，。表示峰的宽度，c表示谷的特征,a是衰图4小波神经网络框图减因子。文中所利用的小波结构示意图如图4。经典的BP网络信号拟和算法可以参考文献［7］,该算

7、法本质上属于梯度下降算法，具有易陷入局部极小值、训练速度慢、误差函数必须可导和受网络结构的限制等缺陷。为了克服BP算法的不足,文中使用遗传算法（GA）优化小波网络进行信号拟和。遗传算法的染色体表示，在传统GA中采用的是二进制编码。二进制编码在求解连续参数优化问题时•首先需要将连续的空间离散化•这个离散的过程存在一定的映射误差，特别是它不能直接反映出所求问题的本身结构特征。实数编码是连续参数优化问题直接的自然描述，不存在编