基于模拟退火优化BP神经网络的pH值预测方法

摘要

本发明公开了一种基于模拟退火(SA)算法优化的BP神经网络的pH值的预测方法，包括以下步骤：第一步，根据样本选取策略选取样本并输入。第二步，根据BP定理，确定BP神经网络的结构。第三步，根据网络训练策略，采用模拟退火算法优化BP网络权值参数，利用输入的样本对BP网络进行训练，确定BP网络的最优权值及最优隐层节点数。第四步，根据训练好的BP神经网络，构建pH值的预测模型。本发明克服了BP网络在权值选择上的随机性，提高了BP神经网络的收敛速度和学习能力。此外，优化了训练样本选取和网络隐层神经元数，提高了BP神经网络的泛化能力。本发明对pH的预测准确度较高，具有较好的非线性拟合能力。