人工神经网络方法在落叶松木材干燥中的应用

摘要

本文主要研究落叶松木材，使用东北林业大学实验室干燥的木材为原料。以落叶松木材干燥的实验数据，作为检验样本和训练样本，运用MATLAB软件操作，应用BP人工神经网络建模技术，对落叶松木材干燥的神经网络模型进行了系统的研究。
　　针对落叶松木材干燥所建的模型进行研究时，选取干球温度X1、湿度X2、介质循环风速X3和平衡含水率X4作为输入矩阵，选取含水率Y作为输出矩阵，来构建结构为4∶S∶1的多输入单输出的BP神经网络模型，在MATLAB中log-sigmoid型函数(logsig)为神经元的作用函数。抽出80组数据作为训练样本，反复的训练比较试验进行构建模型，能够构建出模型结构为4∶10∶1为最优模型。该模型训练结果表明，均方误差为mse=0.0017。再对模型进行拟合精度分析，结果表明，落叶松木材干燥模型总体拟合精度为96.12％，拟合后的理论值与实际值近似接近。用余下40组数据作为检验样本对模型进行检验，总体拟合精度为93.42％，并在三维空间中绘制出落叶松木材干燥后的含水率的实际值和理论值的对照图。此时说明，本文所建的落叶松木材干燥的神经网络模型预测的理论值能够较好的接近实测值，从而说明模型的预测能力很强。
　　在此基础上应用多重多元回归分析模型对木材干燥再进行研究，采用统计软件Statistical Package for Social Sciences(简称SPSS)及MATLAB软件对落叶松木材干燥建立回归模型并求出回归方程，可得相关系数为0.89。

目录

摘要

1 绪论

1．1 木材干燥研究的进展与现状

1．1．1 国内木材干燥的研究现状

1．1．2 国外木材干燥的研究状况

1．2 落叶松木材干燥研究的内容

1．3 落叶松木材干燥研究的意义

2 人工神经网络理论内容及方法

2．1 人工神经网络的理论探索

2．1．1 人工神经网络理论的发展

2．1．2 人工神经网络的应用领域

2．2 人工神经网络对木材含水率的研究

2．2．1 动态递归神经网络的研究

2．2．2 BP神经网络多模型数据融合算法研究

2．2．3 神经网络对木材含水率的研究

2．3 人工神经元模型

2．4 人工神经网络工作过程简介

2．5 BP神经网络算法及学习规则

2．5．1 BP神经网络结构

2．5．2 BP网络学习规则及步骤

2．5．3 BP神经网络的不足及改进

2．6 本章小结

3 多重多元回归分析简介

3．1 多元回归的一般模型

3．2 多重多元回归的数学模型

3．3 显著性检验

3．3．1 回归系数的显著性检验

3．3．2 方程的显著性检验(F检验)

3．3．3 检验回归方程对样本观测值的拟合程度

3．4 本章小结

4 BP人工神经网络的研究方法和MATLAB实现

4．1 MATLAB神经网络部分函数简介

4．1．1 常用函数

4．1．2 BP网络工具箱函数

4．2 木材干燥模型的构建方法

4．3 模型训练方法

4．4 模型性能分析

4．4．1 拟合精度分析

4．5 本章小结

5 落叶松木材干燥的BP神经网络模型研究

5．1 实验数据来源

5．2 模型的构建

5．3 模型的训练

5．4 模型性能分析

5．4．1 拟合精度分析

5．4．2 检验精度分析

5．5 本章小结

6 落叶松木材干燥质量的多重多元回归模型研究

6．1 实验数据来源

6．2 多元回归模型的构建

6．3 本章小结

结论

参考文献

攻读学位期间发表的学术论文

致谢

声明