資源描述：
《基于遺傳級(jí)聯(lián)神經(jīng)網(wǎng)絡(luò)的化學(xué)溶液濃度預(yù)測(cè)》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫(kù)。
1、文章編號(hào)：1671-3559(2006)02-0151-04基于遺傳級(jí)聯(lián)神經(jīng)網(wǎng)絡(luò)的化學(xué)溶液濃度預(yù)測(cè)孫志勝，韓延彬(濟(jì)南大學(xué)債息科學(xué)與工程學(xué)院，山東濟(jì)南250022)摘要：在化學(xué)實(shí)驗(yàn)中經(jīng)常需要對(duì)化學(xué)溶液各成分的濃度給出比較準(zhǔn)確的預(yù)測(cè)。通過(guò)遺傳算法來(lái)優(yōu)化級(jí)聯(lián)神經(jīng)網(wǎng)絡(luò)，利用神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)預(yù)測(cè)能力來(lái)預(yù)測(cè)化學(xué)溶液的濃度。首先用小液網(wǎng)絡(luò)對(duì)混合溶液測(cè)出的極譜信號(hào)進(jìn)行擬合并提取特征；然后用神經(jīng)網(wǎng)絡(luò)對(duì)提取的信號(hào)特征學(xué)習(xí)訓(xùn)練到一定程度后，把要預(yù)測(cè)濃度的化學(xué)溶液的極譜信號(hào)經(jīng)小波網(wǎng)絡(luò)提取的特征輸入該網(wǎng)絡(luò)后，給出預(yù)鴻值。計(jì)算結(jié)果表明，預(yù)測(cè)結(jié)果基本符合要求。關(guān)鍵詞：小波網(wǎng)絡(luò)；級(jí)聯(lián)神經(jīng)網(wǎng)絡(luò)；遺傳算法；化學(xué)信號(hào)處理中圖分
2、類號(hào):TP273.32文獻(xiàn)標(biāo)識(shí)碼：A濃度是表征物質(zhì)溶液特性的主要參量之一。對(duì)溶液濃度的測(cè)量與控制在化工、環(huán)保、食品、制糖、制藥等行業(yè)中有著廣泛的應(yīng)用，它是保證產(chǎn)品質(zhì)量和提高產(chǎn)量的重要技術(shù)手段。目前，在溶液濃度的檢測(cè)方面，有許多方法，極譜分析法就是其中的一種C用極譜儀(溶出分析儀)獲得的極譜圖?根據(jù)波峰的高度、寬度、位置可以確定物質(zhì)種類及其濃度：，-2jo圖1原始信號(hào)示波極譜圖收積日期：2005?05-25基金項(xiàng)目川I東省島校中青年學(xué)術(shù)什干計(jì)劃作者簡(jiǎn)介：孫占勝(1971?)?男?山東費(fèi)縣人?講師:如圖1是兩種典型化學(xué)物質(zhì)m-Nitrochlorobenzene(m-NCB)和p-Nitroc
3、hlorobenzene(p-NCB)不同濃度的示波極譜信號(hào)。利用人工神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)預(yù)測(cè)能力對(duì)極譜圖進(jìn)行處理,有望得到較好的預(yù)測(cè)結(jié)果。1級(jí)聯(lián)人工神經(jīng)網(wǎng)絡(luò)近年來(lái)，由神經(jīng)網(wǎng)絡(luò)之間相互連接的級(jí)聯(lián)神經(jīng)網(wǎng)絡(luò)(CANN-CascadeArtificialNeuralNetwoks)門一“得到了一定的應(yīng)用。級(jí)聯(lián)神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)是可以充分發(fā)揮不同類型人工神經(jīng)網(wǎng)絡(luò)的各自特點(diǎn)，避免因涉及因素太多而造成單個(gè)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)過(guò)于復(fù)雜的問(wèn)題，從而有利于神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)速度和預(yù)測(cè)精度。本文中化學(xué)溶液濃度預(yù)測(cè)的具體做法是采用兩層神經(jīng)網(wǎng)絡(luò)級(jí)聯(lián)的辦法：首先用小波網(wǎng)絡(luò)對(duì)混合溶液測(cè)岀的極譜信號(hào)進(jìn)行擬合并提取特征，然后用神經(jīng)網(wǎng)絡(luò)對(duì)提取的
4、信號(hào)特征學(xué)習(xí)訓(xùn)練到一定程度后，把要預(yù)測(cè)濃度的混合溶液的極譜信號(hào)輸入小波網(wǎng)絡(luò)提取特征，把提取的特征輸入訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)后給出預(yù)測(cè)值。級(jí)聯(lián)圖形如圖2所示：網(wǎng)絡(luò)1:特征扯取WWH八丿Jxf符征l-i1*1a網(wǎng)絡(luò)2：仃息預(yù)測(cè)innftiw圖2級(jí)聯(lián)網(wǎng)絡(luò)框圖2小波網(wǎng)絡(luò)1一信號(hào)的特征抽取小波變換是20世紀(jì)80年代后期發(fā)展起來(lái)的應(yīng)用數(shù)學(xué)分支，后來(lái)被法國(guó)學(xué)者成功引入信號(hào)處理領(lǐng)域，它可同時(shí)提供時(shí)域與頻域的信息，被稱為“數(shù)學(xué)顯微鏡”⑸。小波變換和神經(jīng)網(wǎng)絡(luò)的結(jié)合導(dǎo)致了小波神經(jīng)網(wǎng)絡(luò)的出現(xiàn)⑹。許多學(xué)者在這方面做了大量的工作，如文獻(xiàn)［7］提岀了提高BP小波在神經(jīng)網(wǎng)絡(luò)收斂速度的多種方法;現(xiàn)在小波變換已被成功地用于電分析
5、化學(xué)及其它化學(xué)計(jì)量學(xué)方法，在化學(xué)計(jì)量學(xué)方面的應(yīng)用倍受關(guān)注。如文獻(xiàn)［8］對(duì)小波變換及其在化學(xué)中的應(yīng)用作出了評(píng)述；邵學(xué)廣等把小波變換用于色譜重疊峰的解析⑼等。這里用它進(jìn)行初始信號(hào)處理，提取信號(hào)特征。2.1初始數(shù)據(jù)的調(diào)整。用MP-2溶出分析儀（山東電訊七廠生產(chǎn)）單掃示波極譜法得到的2.5次微分示波極譜圖信號(hào)（見(jiàn)圖1）,不利于用基函數(shù)來(lái)特征提取，需要進(jìn)行調(diào)整。從圖1看岀，其類似翻轉(zhuǎn)的DOG基函數(shù)（見(jiàn)圖3）,通過(guò)把該信號(hào)進(jìn)行平移、翻轉(zhuǎn)、伸縮等統(tǒng)一的變換（這不影響信號(hào)的性質(zhì)）后，再把得到的信號(hào)進(jìn)行特征提取。圖3DOG小波2.2信號(hào)擬合通過(guò)信號(hào)的擬合，抽取信號(hào)的特征，來(lái)比較準(zhǔn)確地表征信號(hào)。在信號(hào)抽取特征
6、的過(guò)程中，標(biāo)準(zhǔn)的DOG基函數(shù)并不能很好地做到信號(hào)的擬合，不能準(zhǔn)確地提取信號(hào)的待征。通過(guò)極譜分析儀側(cè)到的信號(hào)曲線?與標(biāo)準(zhǔn)的DOG基函數(shù)很類似，但是兩個(gè)谷是不關(guān)于波峰信號(hào)對(duì)稱的,所以將標(biāo)準(zhǔn)的DOG函數(shù)進(jìn)行調(diào)整，通過(guò)添加袞減因子0,對(duì)信號(hào)的波谷進(jìn)行抑制,通過(guò)調(diào)節(jié)標(biāo)準(zhǔn)基函數(shù)可以達(dá)到較好的效果C把變形后的函數(shù)^(0=作為神經(jīng)網(wǎng)絡(luò)的激勵(lì)函數(shù)。對(duì)于如圖4所示的小波網(wǎng)絡(luò)輸出如下:口）十凹（詈）+妙%護(hù)）（1）參數(shù)說(shuō)明咖表示峰值，是要抽取的參數(shù)"為峰值的位魁，。表示峰的寬度，c表示谷的特征,a是衰圖4小波神經(jīng)網(wǎng)絡(luò)框圖減因子。文中所利用的小波結(jié)構(gòu)示意圖如圖4。經(jīng)典的BP網(wǎng)絡(luò)信號(hào)擬和算法可以參考文獻(xiàn)［7］,該算
7、法本質(zhì)上屬于梯度下降算法，具有易陷入局部極小值、訓(xùn)練速度慢、誤差函數(shù)必須可導(dǎo)和受網(wǎng)絡(luò)結(jié)構(gòu)的限制等缺陷。為了克服BP算法的不足,文中使用遺傳算法（GA）優(yōu)化小波網(wǎng)絡(luò)進(jìn)行信號(hào)擬和。遺傳算法的染色體表示，在傳統(tǒng)GA中采用的是二進(jìn)制編碼。二進(jìn)制編碼在求解連續(xù)參數(shù)優(yōu)化問(wèn)題時(shí)?首先需要將連續(xù)的空間離散化?這個(gè)離散的過(guò)程存在一定的映射誤差，特別是它不能直接反映出所求問(wèn)題的本身結(jié)構(gòu)特征。實(shí)數(shù)編碼是連續(xù)參數(shù)優(yōu)化問(wèn)題直接的自然描述，不存在編
