基于概率神經(jīng)網(wǎng)絡(luò)PNN的變壓器故障實(shí)例分析

%% 清空環(huán)境變量

clc;

clear

close all

nntwarn off;

warning off;

%% 數(shù)據(jù)載入

load data

%% 選取訓(xùn)練數(shù)據(jù)和測試數(shù)據(jù)

Train=data(1:23,:);

Test=data(24:end,:);

p_train=Train(:,1:3)';

t_train=Train(:,4)';

p_test=Test(:,1:3)';

t_test=Test(:,4)';

%% 將期望類別轉(zhuǎn)換為向量

t_train=ind2vec(t_train);

t_train_temp=Train(:,4)';

%% 使用newpnn函數(shù)建立PNN SPREAD選取為1.5

Spread=1.5;

net=newpnn(p_train,t_train,Spread);

%% 訓(xùn)練數(shù)據(jù)回代 查看網(wǎng)絡(luò)的分類效果

% Sim函數(shù)進(jìn)行網(wǎng)絡(luò)預(yù)測

Y=sim(net,p_train);

% 將網(wǎng)絡(luò)輸出向量轉(zhuǎn)換為指針

Yc=vec2ind(Y);

%% 通過作圖 觀察網(wǎng)絡(luò)對訓(xùn)練數(shù)據(jù)分類效果

figure(1)

subplot(1,2,1)

stem(1:length(Yc),Yc,'bo')

hold on

stem(1:length(Yc),t_train_temp,'r*')

title('PNN 網(wǎng)絡(luò)訓(xùn)練后的效果')

xlabel('樣本編號')

ylabel('分類結(jié)果')

set(gca,'Ytick',1:5)

subplot(1,2,2)

H=Yc-t_train_temp;

stem(H)

title('PNN 網(wǎng)絡(luò)訓(xùn)練后的誤差圖')

xlabel('樣本編號')

%% 網(wǎng)絡(luò)預(yù)測未知數(shù)據(jù)效果

Y2=sim(net,p_test);

Y2c=vec2ind(Y2);

figure(2)

stem(1:length(Y2c),Y2c,'b^')

hold on

stem(1:length(Y2c),t_test,'r*')

title('PNN 網(wǎng)絡(luò)的預(yù)測效果')

xlabel('預(yù)測樣本編號')

ylabel('分類結(jié)果')

set(gca,'Ytick',1:5)