基于BP网络的白杨树潜在蒸散量模拟优化研究

【目的】探寻最优的白杨树潜在蒸散量(ET_(0))模拟方法。【方法】基于贵德县2022年1—6月的气象数据,建立了不同算法优化下白杨树ET_(0)的模拟模型,选取151组数据对模型进行训练,选取30组数据对模型进行验证。【结果】影响白杨树ET_(0)的主要因素为平均气温,2 m高处风速,饱和水汽压差,相对湿度,基于不同算法优化后的BP网络模型在模拟白杨树ET_(0)方面的精度优于传统的BP网络模型。【结论】EWOA-BP网络模型的模拟精度最佳,可以作为预测白杨树ET_(0)的首选模型。

基于LMI和BP网络的非线性矩阵加权次优融合算法

为了解决互协方差未知的多传感器非线性系统融合估计问题,提出了一种改进的矩阵加权次优融合算法。利用舒尔补定理推导出线性最小方差意义下基于矩阵融合的最简约束条件。此约束条件可保证融合估计误差方差的正定性,以及所提出次优融合估计的一致性;基于线性矩阵不等式(LMI)提出了一种矩阵加权次优融合估计。考虑到LMI算法优化过程中存在的耗时问题,采用BP网络获取最优值;结合容积卡尔曼滤波算法(CKF),提出了基于LMI算法和BP网络的非线性矩阵加权次优融合算法。仿真分析结果证明了算法应用于非线性系统的有效性。

基于参数优化VMD-KPCA和BP网络的齿轮故障诊断方法

针对噪声环境下难以提取齿轮故障特征、诊断准确率低的问题,提出了一种将基于综合评价指标的变分模态分解(variational mode decomposition,VMD)参数寻优、核主成分分析(kernel principal component analysis,KPCA)特征融合和BP网络相结合的齿轮故障诊断方法。首先,为了有效评价VMD分解后的各固有模态函数(intrinsic mode function,IMF)分量及避免变分模态分解需要人为设定相关参数的问题,设计了一种基于包络熵与峭度的综合评价指标,用于建立VMD参数寻优中的适应度函数及筛选最优IMF分量;其次,按最优参数进行VMD分解后对最优IMF分量提取多域特征集,再利用KPCA模型对其进行特征的融合;最后,通过BP网络模型进行故障诊断。实验表明,与其他传统方法相比,在相同实验条件下该方法提高了齿轮故障的识别率,准确率高达98%,证明了该方法的有效性。

基于R/S分析的BP网络方法预测气井产量

本文利用R/S分析法对气井产量进行分析,提出了历史数据的时间序列和平稳时间序列两种不同表达方式,并利用BP网络方法预测出了气井产量。为验证这种方法的有效性,分别对BP网络与BP神经网络、贝叶斯算法三种方法进行了比较。结果表明,贝叶斯算法获得的预测结果比其他两种方法更准确、更符合实际。贝叶斯算法得到的预测结果与实际值的平均误差分别为0.67%和0.33%,而采用传统BP神经网络得到的预测结果与实际值的平均误差分别为1.71%和0.96%。

基于模糊综合法与BP网络法的监理单位管理水平的评价及预警分析

本文采用模糊综合法量化分析了水利工程监理单位的管理水平,并运用三层BP网络模型对其管理水平进行预警分析,结果表明,模糊综合法能够准确量化水利工程监理单位的管理水平,三层BP网络模型对其管理水平具有较好预警效果,通过提前预测及时发现问题,可为监理单位管理层科学决策提供依据。

基于改进FNN-BP网络的304不锈钢薄板焊接质量推断模型

针对目前激光焊接领域的激光焊接参数智能设定的发展方向,智能焊接系统的焊接参数推定模块成为了热点研究对象。在分析了焊接工艺参数对焊接质量的影响之后,搭建了一种基于改进模糊专家系统和BP神经网络的激光焊接质量推断模型,该模型包括两部分内容,即基于焊接速度、焊接功率和离焦量的焊接质量模糊推断和基于预测值、板材厚度、峰值功率和占空比的BP修正神经网络。焊接质量模糊推断,首先基于已有人工经验进行焊接参数模糊化和焊接规则库建立,然后通过分析确定模糊推断类型,最后进行模糊推断输出焊接质量预测值;BP神经网络修正,基于板材厚度等参数对不同板材厚度下焊缝图像质量评分和平面度差值进行预测值修正,以获得更加准确的推断值。通过实验证明,该不锈钢薄板智能激光焊接系统具有一定的可行性和重要的工程意义。

基于短时弛豫电压与IBAS-BP网络的SOH估算

为提高锂电池健康状态(SOH)的在线估算精度,提出一种基于短时弛豫电压与IBAS-BP网络的SOH估算方法.首先,通过分析不同静置时间的弛豫电压与SOH的关系,选取10秒时的弛豫电压曲线进行特征提取,采用主成分分析法对所提取特征融合与降维,降低模型复杂度和特征间的冗余.其次,通过动态步长和S型权重改进BAS算法并对BP网络的初始权阈值寻优,建立IBAS-BP网络.再次,利用MD-MTD增强的数据训练IBAS-BP网络实现SOH估算.结果表明,由10秒内的弛豫电压中所提取的特征能有效反应电池的老化,可用于SOH的估算;与其它模型相比,所建IBAS-BP模型的估算精度更高,误差均保持在0.5%以内.最后,基于所提方法利用LabVIEW搭建了一种模拟电池在环管理系统,为电池安全管理提供了参考依据.

基于改进遗传算法优化BP网络的密度预测

为了能利用工艺参数实时预测药柱密度并提高密度预测精度,提出采用改进遗传算法优化BP网络(improved genetic algorithm backpropagation neural network,IGA-BPNN)的炸药密度预测模型。通过动态调整GA的交叉概率和变异概率,确定BPNN权重和阈值的最优值,构建IGA-BP预测模型,利用采集的工艺参数,基于所构建模型进行炸药密度预测。实验结果表明:改进的GA对交叉率和变异率做出了更好的调整,能快速搜寻BPNN的最优权重和阈值,提高炸药压制密度的预测精度。

一种优化FPGA布线拥塞的FHO-BP网络

超大集成电路的高度复杂化造成的布线拥塞可能导致电路的不可布性,早期的布线拥塞预测对于提高集成电路的最终设计质量非常关键,因此针对现场可编程门阵列(Field Programmable Gate Array,FPGA),引入火鹰优化(Fire Hawk Optimizer,FHO)算法机制优化反向传播(Back Propagation,BP)神经网络,提出一种基于复杂网络和FHO-BP网络的布线拥塞优化方法,将电路布局的复杂网络特征向量应用到布线拥塞度预测模型中,并利用提出的优化算法改善电路布线拥塞。实验结果表明,与经典的BP网络相比,所提FHO-BP预测模型具有更高的预测精度和收敛速度,决定系数达到92.62%,模型的平均训练时间为94.55 s,平均预测时间为0.57 s,并且利用布线拥塞优化算法对布局进行优化后的布线实际拥塞程度明显缓和。

基于PLS和BP网络的硅钢铁损预测研究

应用PLS(偏最小二乘)和BP网络建立硅钢的在线铁损预测数学模型,结果显示:PLS和BP网络均具有较高的拟合和预测精度,BP网络精度更高。模型可以应用于硅钢铁损的在线预报和新牌号硅钢产品的开发。

基于互相关序列和BP网络的声源定位算法

在基于麦克风阵列的声源定位算法中,一种常用算法的基本思路是通过麦克风接收到信号的相关序列来计算信号之间的时延,进而再根据阵列的结构确定声源的位置。在分析传统的声源定位算法基础上,针对双五元十字阵模型,介绍传统的基于广义互相关相位变换加权(generalized cross correlation-phase transform,GCC-PHAT)时延估计的定位算法,并给出基于GCC-PHAT时延估计和反向传播(back propagation,BP)神经网络的定位算法、基于抛物线互相关时延估计和BP网络的定位算法,进而通过分析影响时延估计的主要因素,提出了基于互相关序列和BP网络的新定位算法,该算法将GCC-PHAT互相关序列最大值点的位置、最大值点及其左右各一点的相关值作为BP网络的输入,通过对BP网络进行训练来实现声源的三维定位。仿真实验表明:与传统的基于GCC-PHAT时延估计的定位算法相比,所提出的各个算法均具有较好的定位效果,后者均比前者的定位精度更高,而且提出的基于互相关序列和BP网络的新定位算法在低信噪比和高混响的条件下,也具有较好的定位效果。

基于免疫粒子群混合算法优化BP网络的矿压预测方法

为攻克综采工作面顶板矿压显现规律预测预报的难题,构建一种基于免疫粒子群混合算法优化BP神经网络的矿压预测模型(IA-PSO-BP),针对BP神经网络收敛速度慢和易陷入局部最优的问题,采用免疫粒子群混合算法优化BP神经网络,并选取11种矿压主要影响因素作为模型基础数据,对工作面来压强度和来压步距进行预测。结果表明:IA-PSO-BP网络模型的收敛速度较BP网络模型和PSO-BP网络模型分别提高8倍和2倍,IA-PSO-BP网络模型的预测值与实测值基本吻合,预测结果的相对误差分别约为BP网络模型和PSO-BP模型的1/5和1/3。基于IA-PSO-BP的工作面矿压预测方法具有较快的收敛速度和较高的准确率,实现了工作面初次来压强度、周期来压强度、初次来压步距和周期来压步距距预测,为煤矿井下工作面矿压预测提供了一种新的技术途径。

基于改进GA优化BP网络的双目视觉定位研究

为了提高传统遗传算法(genetic algorithm, GA)IGA优化BP网络迭代时间过长以及精度偏低的缺陷,设计了一种通过改进遗传算法(improved genetic algorithm, GA)IGA优化BP网络,并进行完成双目视觉的定位计算。改进遗传算法来提升BP网络收敛能力并获得更强的全局寻优效果,显著改善BP网络处理效率与精度,最终促使相机获得更高定位精度以及运算速率。给出了IGA优化BP网络的双目视觉定位算法流程,并开展了双目视觉定位实验。研究结果表明,未优化坐标预测值误差均值为0.66 mm,优化坐标误差均值为0.08 mm。改进BP网络进行双目视觉定位精度达到0.12 mm,相对最初预测定位误差降低近0.01 mm。以BP网络来定位双目视觉精度均值是0.12 mm,以OpenCV定位的实际精度是0.10 mm。推断以神经网络双目视觉进行定位时满足双目视觉定位精度条件。

粒子群算法优化的BP网络在GNSS高程拟合中的应用

针对BP网络用于GNSS高程拟合存在收敛速度慢、易陷入局部最优等缺陷,采用粒子群算法(PSO)优化BP神经网络。通过合理选取网络的权值和阈值,对系统的参数进行有效优化,提高网络的泛化能力和拟合准确度。在顾及EGM2008重力场模型的基础上,采取“移去—恢复”策略,用粒子群算法优化的网络进行高程拟合,并与二次多项式曲面拟合法、多面函数法和BP网络拟合方法所得结果进行对比,经工程实例数据验证,结果表明粒子群算法优化的BP网络模型拟合精度更好,可靠性更高,拟合效果较BP网络模型提高了25%,明显优于其它拟合模型,可为高程拟合研究提供新的思路和方法。

基于SDE-BP网络的油田注水管网故障诊断方法研究

针对BP神经网络在油田注水管网系统故障诊断中收敛速度慢、精度低、易陷入局部最优等问题,提出一种改进的BP神经网络诊断模型。该模型将自适应差分进化算法(SDE)用于神经网络的数据训练中,用以确定最优权重和阈值,并将仿真模拟与神经网络的训练相结合,计算管网故障工况,从而得出注水站、注水井的压力、流量异常和管段的故障情况。该方法能准确诊断管网系统各类节点和管线的故障位置,以及对站启停泵、井欠过注和管道漏损、堵塞等故障类型进行判断,通过实验对比分析验证了方法的高效性,对故障点位置一级诊断正确率为100%,故障类型二级诊断的正确率达98.07%。

一种改良BP网络方法研究

误差反向传播神经（ＢＰ）网络存在学习速度较慢、易陷入局部极小等缺点。通过自适应步长、反传改进参数γ、数据预处理和权值初始化等改良ＢＰ网络，使标准ＢＰ算法收敛速度大大加快，收敛平稳性获得提高。方法用于钙、镁、铁的三组分混合物同时定量分析，取得一定效果。

改进的BP网络模型及其在日径流预测中的应用

尝试了基于MATLAB6.5的人工神经网络工具箱在水文日径流预测中的应用,并采用贝叶斯正则化方法改进BP网络算法,从而提高了BP网络的推广能力。将该模型应用于大渡河流域日径流的预测,取得了较好的预测效果。

基于levy飞行优化BOA-BP网络的电池SOC估计

目前电动汽车动力输出的来源主要是动力电池,其荷电状态(State of Charge,SOC)表示电池的剩余电量情况,精确估算SOC对于电池的使用安全有重要意义。将蝴蝶优化算法(Butterfly Optimization Algorithm,BOA)进行改进并用于优化BP神经网络估算动力电池SOC,解决了普通BP网络估计SOC时遇到的训练时间长、收敛慢、精度较低、易陷入局部最优解的问题;同时提升了全局搜索速度,选取电压和电流为输入变量、SOC为输出变量,根据误差的大小调整神经网络的权值和阈值。仿真结果表明,优化后得到的SOC估计结果误差率控制在1.1%以内,该方法寻优速度快,具有更好的鲁棒性。

集成BP网络在城市地下水水质评价中的应用

为了克服传统BP网络的不足,发挥共轭梯度法和梯度下降法各自的优势,本文介绍了在城市地下水水质评价模型中采用集成BP网络、用共轭梯度法和梯度下降法相结合的混合算法来训练网络的方法。通过实例表明,将此网络模型应用于城市地下水水质评价是有效的、可行的。

集成BP网络在城市地下水水质评价中的应用

为了克服传统BP网络的不足,发挥共轭梯度法和梯度下降法各自的优势,在城市地下水水质评价模型中,采用了集成BP网络,用共轭梯度法和梯度下降法相结合的混合算法来训练网络。实例表明,将此网络模型应用于城市地下水水质评价是有效的、可行的。