数ta
sig和线性函数pureli
，设置BP神经网络的训练函数为trai
lm函数，trai
lm即采用Leve
bergMarquardt学习算法，该算法的优点在于其训练过程收敛速度快，且网络的训练误差也比较小。3、试验法确定隐含层节点数和学习率取初始学习率03初始隐含层节点数4，来确定输入样本数据处理的必要性，如图31所示。
BestTrai
i
gPerforma
ceis99803e06atepoch430
Trai
BestGoal
10
4
BestTrai
i
gPerforma
ceis451907atepoch28
Trai
BestGoal
10
0
Mea
SquaredErrormse
Mea
SquaredErrormse
10
2
10
2
10
0
10
2
10
4
10
4
10
6
10
050100150200250300350400
6
0
5
10
15
20
25
430Epochs
28Epochs
（a）进行归一化后的训练图（b）未进行归一化后的训练图图31BP训练结果图
从图31可以看出进行归一化后的数据在430步时满足设定误差105，而未进行数据归一化处理时陷入局部极小值情况。为了使建立的神经网络具有更好的性能须对输入样本先进行归一化处理，本文是将输入变量的值折算到01内。归一化公式（22），反归一化公式（23）所示。x1mi
xx1（22）maxxmxi
（23）x1maxxmi
xx1mi
x取学习率一定时03，来确定隐含层节点数如表31所示，其训练图如图32所示。
3
f隐含层节点数345678910111213
10
0
表31不同隐含层节点数下训练参数迭代步数训练时间s36067348366561831626415933822884421811582146664828856081359659778699513108232746707435490999822929537224380670040069673312707047614240423056074878677084247180720462520519793707278985664340054
10
0
最终误差0001827799693e697816e696824e699351e691637e621694e61333e633659e619426e711704e6
Trai
BestGoal
BestTrai
i
gPerforma
ceis00018277atepoch316
Trai
BestGoal
BestTrai
i
gPerforma
ceis99693e06atepoch218
10
1
10
1
Mea
SquaredErrormse
050100150200250300
Mea
SquaredErrormse
10
2
10
2
10
3
10
3
10
4
10
4
10
5
10
5
10
6
10
6
316Epochs
0
20
40
60
80
100
120
140
160
180
200
218Epochs
（a）隐含层节点数为3的训练图
10
0
（b）隐含层节点数为4的训练图
10
Trai
BestGoal
0
BestTrai
i
gPerforma
ceis97816e06atepoch56
BestTrai
i
gPerforma
ceis96824e06atepoch13
Trai
BestGoal
10
1
10
1
Mea
SquaredErrormse
Mea
SquaredErrormse
10
2
10
2
10
3
10
3
10
4
10
4
10
5
10
5
10
6
10
01020304050
6
0
2
4
6
8
10
12
56Epochs
13Epochs
（c）隐含层节点数为5的训练图
10
0
（d）隐含层节点数为6的训练图
BestTrai
i
gPerforma
ceis91637e06atepoch38
Trai
BestGoal
BestTrai
i
gPerforma
ceisr