铜型材激光氨逃逸在线监测系统

一、产品概述（脱硝激光氨逃逸在线监测系统（高温抽取激光)）

BP神经网络需要通过输入和输出样本对网络进行训练，即通过学习和修正网络的阈值和权值，并不断重复该过程，终得到符合条件的输入或输出。BP神经网络算法由信号的正向传播（前向计算过程）和误差的反向传播两个阶段组成。两个过程反复交替，不断调整权值和阈值，直至网络达到收敛为止，具体过程如下。

1）信号的正向传播过程

输入量由输入层经过隐含层逐层计算，并传向网络的输出层。计算中每层的神经元状态只会影响下一层的神经元状态。网络的权值在信号正向传播过程中固定不变。如果输出层不能得到符合其期望的输出，则转入误差反向传播过程。

2）误差的反向传播

由前向计算过程得出的网络输出与期望输出之前的差值即为误差。误差信号由网络的输出端开始，沿网络的连接路线返回并计算各权值和阈值对总误差的影响。后根据误差梯度下降法对权值和阈值进行调整。

2.3.3结构设计

对于大多数复杂的数学问题，单隐含层BP神经网络即可满足要求，本研究也采用图3所示的输入层-单隐含层-输出层的3层BP神经网络结构。

1）确定输入及输出变量

铜型材激光氨逃逸在线监测系统