Matlab软件和其中人工神经网络函数的用法.docx

Matlab软件和其中人工神经网络函数的用法，试着对之前正交试验的结果进行模拟。输入层有4个神经元,分别是水胶比(W/B)、硅灰与水泥的质量比(SF/C)、砂胶比(S/B)、钢纤维的体积掺量(V%)。输出层有】个神经元，即RPC自然养护7d的抗压强度。隐含层有10个神经元，之所以选择10个神经元，是通过尝试得出的结果，当选用9个神经元时，结果不能收敛，而选择10个神经元时，结果收敛。隐含层的传递函数为：tan诵5)=2(l+e乎(-2)-1,输出层的传递函数为线性函数，采用BP算法对网络进行训练，坍落度神经网络预测模型源程序如下：P=0,160.160.160.160.180.180.180.180.20.20.20.20.220.220.220.22;0.20.30.40.50.2030.40.50.20.30.40.50.20.30.40.5;0.811.21.410.81.41.21.21.40.811.41.210.8;0123321010322301T=73.5109.8120.0114.880.586.275.274.463.555.491.781.756.253.454.569.7net=newff(minmax(P),L10,1,('tansig','purelin')net.trainparam.epochs=1000net.trainparam.goal=0.000000000000001net=train(net,P,T)y=sim(net,P)error=y-Tres=norm(error)P_test=0.180.20.220.18;0.30.40.50.4:1.211.41.4;1230T_test=78.979.672.471.8y_test=sim(net,P_test)error_test=y_test-T_testres_test=norm(error_test)fori=l:4Y(i)=error_test(i)/T_test(i)end迭代23次，网络学习均方误差MSE达到7.86e-016,即达到要求，训练结果如图1所Jo图1神经网络训练结果对验证组试验结果进行预测，预测结果MSE=35.7735,误差较大，预测结果及误差见表Io表1预测结果及误差组别ABCD试验结果(MPa)78.979.672.471.8预测结果(MPa)91.091187.952540.958463.2687误差百分比()15.4510.4943.4311.88特别是其中C组的误差达40%以上，需要对神经网络模型再进行修改。误差之所以较大的原因可能是因为钢纤维掺量的实际掺量与理论掺量不同引起的，之后将使用钢纤维实际掺量进行验证。训练组及验证组配合比及试验结果见表2o表2训练组及验证组试验配合比及试验结果因素水平因素自然养护7d抗压强度(MPa)水胶比(W/B)硅灰(SF/C)砂胶比(S/B)钢纤维(V%)训练组10.160.20.8073.520.160.31.01109.830.160.41.22120.040.160.51.43114.850.180.21.0380.560.180.30.8286.270.180.41.4175.280.180.51.2074.490.200.21.2163.5100.200.31.4055.4110.200.40.8391.7120.200.51.0281.7130.220.21.4256.2140.220.31.2353.4150.220.41.0054.5160.220.50.8169.7验证组A0.180.31.2178.9B0.200.41.0279.6C0.220.51.4372.4D0.180.41.4071.8