【摘要】：近年來(lái)對(duì)環(huán)保的要求不斷地提高,汽油產(chǎn)品的質(zhì)量也在不斷的提升,其中辛烷值的含量是汽油產(chǎn)品質(zhì)量的一個(gè)重要參數(shù)指標(biāo),直接影響到汽油是否合格。近紅外光譜技術(shù)是測(cè)量汽油各種參數(shù)的重要方法,可以通過(guò)光譜測(cè)量技術(shù)和神經(jīng)網(wǎng)絡(luò)技術(shù)相結(jié)合,這樣可以方便、快速的對(duì)汽油辛烷值的含量進(jìn)行定量的分析。BP(Back Propagation)神經(jīng)網(wǎng)絡(luò)和RBF(Radial Basis Function)神經(jīng)網(wǎng)絡(luò)在實(shí)際的應(yīng)用過(guò)程中,兩者之間的優(yōu)劣不同以及側(cè)重點(diǎn)也不同,因此為了能夠更好的了解兩者之間的各種優(yōu)劣以及側(cè)重點(diǎn),能夠根據(jù)實(shí)際條件選擇最合適的神經(jīng)網(wǎng)絡(luò)模型,最快速度,最高效率的解決問(wèn)題,本文用近紅外光譜法測(cè)量了60組數(shù)據(jù),總共401個(gè)波長(zhǎng)點(diǎn)。通過(guò)紅外光譜測(cè)量得到吸光度數(shù)據(jù)和辛烷值含量數(shù)據(jù),然后根據(jù)這些數(shù)據(jù)之間的關(guān)系,利用BP神經(jīng)網(wǎng)絡(luò)以及RBF神經(jīng)網(wǎng)絡(luò)分別對(duì)其進(jìn)行數(shù)學(xué)建模,可以很好的預(yù)測(cè)出汽油的辛烷值含量,并能夠?qū)Ρ瘸鰞煞N神經(jīng)網(wǎng)絡(luò)模型的優(yōu)劣。主要從以下幾個(gè)方面進(jìn)行分析:(1)BP神經(jīng)網(wǎng)絡(luò)和RBF神經(jīng)網(wǎng)絡(luò)的魯棒性分析。每次用一個(gè)隨機(jī)噪聲去替換訓(xùn)練樣本中一個(gè)數(shù)據(jù),然后用測(cè)試樣本進(jìn)行測(cè)試,為了測(cè)試結(jié)果的準(zhǔn)確性保證每一次測(cè)試的樣本類型及數(shù)目都不變,仿真多次之后統(tǒng)計(jì)其預(yù)測(cè)準(zhǔn)確率的平均值,并且繪制出訓(xùn)練樣本錯(cuò)誤率與預(yù)測(cè)準(zhǔn)確率之間的關(guān)系圖。為了數(shù)據(jù)更真實(shí)可信,增加噪聲的梯度和每次仿真的次數(shù),并對(duì)結(jié)果進(jìn)行比對(duì)分析。最后分析得出結(jié)論為:BP神經(jīng)網(wǎng)絡(luò)模型和RBF神經(jīng)網(wǎng)絡(luò)模型在一定的范圍內(nèi)都具有魯棒性,超出范圍就失去了魯棒性。但是總體來(lái)說(shuō)RBF網(wǎng)絡(luò)模型的魯棒性強(qiáng)于BP網(wǎng)絡(luò)模型,所以在實(shí)際應(yīng)用中對(duì)要求較高的實(shí)驗(yàn)應(yīng)該優(yōu)先選擇RBF神經(jīng)網(wǎng)絡(luò)模型。(2)BP神經(jīng)網(wǎng)絡(luò)和RBF神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)能力分析。將樣本分為訓(xùn)練樣本和測(cè)試樣本,每次向訓(xùn)練樣本中加入一個(gè)樣本,并且保持每次的測(cè)試樣本數(shù)據(jù)及類型都一樣,訓(xùn)練樣本數(shù)目每變換一次就統(tǒng)計(jì)之前全部預(yù)測(cè)準(zhǔn)確率并求其平均值作為最后的數(shù)據(jù),最終得到加入樣本個(gè)數(shù)和預(yù)測(cè)準(zhǔn)確率的關(guān)系圖像。為了結(jié)果更準(zhǔn)確可靠,改變每次添加樣本的個(gè)數(shù)然后統(tǒng)計(jì)最后的結(jié)果,作為對(duì)比試驗(yàn)進(jìn)行分析。分析結(jié)果為:在訓(xùn)練樣本數(shù)目較少的情況下,RBF神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)能力強(qiáng)于BP神經(jīng)網(wǎng)絡(luò),相反在訓(xùn)練樣本數(shù)目較多的情況下,BP神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)能力強(qiáng)于RBF神經(jīng)網(wǎng)絡(luò)。(3)BP神經(jīng)網(wǎng)絡(luò)和RBF神經(jīng)網(wǎng)絡(luò)的拒偽能力分析。首先確定好訓(xùn)練樣本和測(cè)試樣本,在保證訓(xùn)練樣本不變的情況下,每次用一個(gè)噪聲去替換一個(gè)測(cè)試樣本的數(shù)據(jù),并且求取多次預(yù)測(cè)的準(zhǔn)確率,然后求取準(zhǔn)確率的平均值作為最后的結(jié)果,繪制出測(cè)試樣本錯(cuò)誤率與預(yù)測(cè)準(zhǔn)確率的關(guān)系圖。為了使結(jié)果更準(zhǔn)確可靠,改變每次替換樣本的個(gè)數(shù)統(tǒng)計(jì)最后的結(jié)果作為對(duì)比試驗(yàn)進(jìn)行分析�？偨Y(jié):BP網(wǎng)絡(luò)模型和RBF網(wǎng)絡(luò)模型都有一定的拒偽能力,其預(yù)測(cè)相對(duì)誤差都在可以接受的范圍內(nèi),但是BP網(wǎng)絡(luò)模型的預(yù)測(cè)相對(duì)誤差要小于RBF網(wǎng)絡(luò)模型,因此,在實(shí)際應(yīng)用中對(duì)精度要求高時(shí),要優(yōu)先選取BP網(wǎng)絡(luò)模型。神經(jīng)網(wǎng)絡(luò)的應(yīng)用非常的廣泛,其中在光學(xué)方面也有很多的應(yīng)用,如光學(xué)圖像處理、光學(xué)檢測(cè)、光通信以及自適應(yīng)光學(xué)等,并且在這些方面都研究出了不錯(cuò)的成果。
【圖文】：

根據(jù)光譜的吸光度與汽油辛烷參辛烷含量。象主要是 60 組汽油樣品，通過(guò)用紅外光譜曲線如圖 1-1 所示。圖中波長(zhǎng)的范圍是 9個(gè)樣品的光譜曲線中含有 401 個(gè)波長(zhǎng)點(diǎn)[8]。烷值數(shù)據(jù)，然后根據(jù)測(cè)的數(shù)據(jù)之間的關(guān)系分別對(duì)其進(jìn)行數(shù)學(xué)建模，可以很好的分析模型的優(yōu)劣[8]。

圖 1-2 生物神經(jīng)元結(jié)構(gòu)1.3 人工神經(jīng)網(wǎng)絡(luò)概述人工神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)靈感來(lái)源就是人腦部的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)[14]。人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的基本單元就是人工神經(jīng)元，其結(jié)構(gòu)和人腦神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)類似也是可以分為三層：輸入層、隱含層、輸出層。這三層和人腦神經(jīng)網(wǎng)絡(luò)是一一對(duì)應(yīng)的，輸入層對(duì)應(yīng)感受部、隱含層對(duì)應(yīng)傳導(dǎo)部、輸出層對(duì)應(yīng)效應(yīng)部。層與層之間的神經(jīng)元相互連接，每一次連接都會(huì)有一個(gè)與之對(duì)應(yīng)的權(quán)重。通過(guò)調(diào)整神經(jīng)元之間的權(quán)重可以調(diào)節(jié)傳遞函數(shù)的值來(lái)控制權(quán)值閾值，進(jìn)而達(dá)到需要的精度要求。大量的人工神經(jīng)元之間的相互連接，同時(shí)也可以相互傳遞信息，這樣就構(gòu)成了一個(gè)人工神經(jīng)網(wǎng)絡(luò)。人工神經(jīng)網(wǎng)絡(luò)在經(jīng)過(guò)一定的樣本訓(xùn)練過(guò)后，只要輸入的信息和訓(xùn)練樣本是一類的信息，無(wú)論信息是不完整的，，還是不準(zhǔn)確模糊不清的，神經(jīng)網(wǎng)絡(luò)都能夠根據(jù)訓(xùn)練
【學(xué)位授予單位】：河南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：O657.33;TE626.21

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 韓仲志;萬(wàn)劍華;劉康煒;;基于近紅外光譜的汽油辛烷值預(yù)測(cè)與模型優(yōu)化[J];分析試驗(yàn)室;2015年11期

2 劉毅娟;雷鳴;何e

本文編號(hào)：2593017