本文主要是介绍基于MATLAB的BP神经网络反演水质参数，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
点滴学习，贵在记录
基于MATLAB的BP神经网络反演水质参数
在做一个关于水质反演的项目时，常规模型精度较低，因此考虑采用bp神经网络来做反演。我要实现的是基于样本数据训练BP神经网络，然后基于此导入tif影像数据，然后得到水质参数的空间分布影像（带坐标系）。
读取样本点。将k个样本点分成训练集和测试集，我的样本点数据为k*4的矩阵，k为样本点个数，4为波段数。数据需要转置后并进行归一化处理才可导入net模型。建立神经网络采用newff()函数，训练后的数据性需要进行转成反演值。
% 神经网络建立
net=feedforwardnet(hiddenSizes,trainFcn)
hiddenSizes：神经元个数，默认单层10个。
trainFcn：训练函数，默认’trainlm’
% 数据归一化
[INPUT_train, ps_input] = mapminmax(input_train,0,1);
% 反归一化
T_sim = mapminmax('reverse',t_sim,ps_output);
模型训练完成便可做预测，对水质参数进行反演
首先读取影像，
影像为m×n×l的多光谱影像。需要转成m×n行，l 列的矩阵，然后转置成l行，m×n列的矩阵，代码实现如下
[A,R] = geotiffread('F:\DEMO\DEMO1.tif')
info = geotiffinfo('F:\DEMO\DEMO1.tif')
%转为m*n,l矩阵
a = double(reshape(A,[info.Height*info.Width,4]))
%影像转置
inputimg = a(:,:)';
归一化后做仿真测试，得到反演结果并输出tif格式的影像。
outimg = sim(net,Inputimg)
更新
新版本的MATLAB里面，前馈神经网络已经函数已经改为 feedforwardnet()
2022.1.17更新
注意！输出的结果需要reshape成输入影像的长宽。
outimg = reshape(outimg, [info.Height, info.Width])
这篇关于基于MATLAB的BP神经网络反演水质参数的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
