论文部分内容阅读
为寻找适合猪舍混合有害气体浓度识别的神经网络模型，建立了基于误差反向传播（BP）神经网络的猪舍有害气体定量检测模型，分别使用trainbr函数、traingdm函数及trainlm函数训练该神经网络，对有害氨气和硫化氢组成的混合气体浓度进行识别，并利用MATLAB软件的神经网络工具箱进行仿真。结果表明，采用trainbr函数训练的网络对该混合气体的平均识别精度高，速度较快，对噪声不敏感，适合猪舍有害气体的浓度识别。这为猪舍有害气体智能化监控提供了参考依据。