电子产品世界

随机反向传播神经网络模型主要由输入层、隐含层和输出层三部分组成，如图2所示。
选取x1，x2，x3，x4四个节点组成输入层，由y1，y2，y3，y4组成隐含层(中间层)，输出层则由z1，z2，z3三个输出端组成。其中，x1，x2，x3，x4四个节点分别代表温度、火焰、烟雾浓度和CO浓度四个传感器信息，进行模糊归一化处理后的数据输入，z1，Z2．z3三个输出端则分别代表常温无火、发生阴燃和明火火灾三种状态。
根据火灾预警系统的特征，选取神经网络各层之间的映射函数如下：
(1)输入层到隐含层节点j的值为：

式中：ωji为输入层到隐含层的权值；d为输入样本维数，d=4，即输入层节点数。
(2)输入层到隐含层的激活函数为S型函数，即：

式中：a，b为常数，a=1．716，b=2／3，a，b的取值保证f’(0)≈0．5，并且线性范围为-1net+1，以及二阶导数的极值大致发生在net≈±2处。
(3)隐含层的输出yj为：
yj=f／(netj) (4)
(4)隐含层到输出层节点k的值为：
netk=yjωkj，j=1，2，3，4；k=1，2，3，4 (5)
式中ωkj，为输入层到隐含层的权值。
(5)隐含层到输出层的激函数亦为S型函数：
f(netk)=atanh(b*netk) (6)
式中tanh(x)如式(3)所示；a，b为常数，取值同式(2)。
(6)输出层的最后输出zj为：
zk=f(netk) (7)
2．2 借助Matlab平台模拟仿真
本研究在Matlab平台上对基于三层反向传播神经网络结构的火灾预警系统模型进行仿真模拟。
根据火灾实际发生时，选取各种传感器实际数据中的600组典型数据作为训练样本对网络模型进行训练。训练过程中通过不断调整神经网络模型的相关常数取值，经过多次反复训练后，使得神经网络模型的输出值与测试样本输出值之问的误差小于某一预置值。得到的训练误差下降曲线如图3所示。

1 2 3

关键词： 预警 系统 火灾 无线 传播 神经网络 基于