基于改进粒子群算法的BP神经网络模型研究

为解决BP神经网络局部性收敛度慢的问题,提出了基于改进粒子群算法的BP神经网络模型.该方法通过粒子群进化速率动态调整惯性权重因子,提高了算法的收敛速度和全局搜索最优值的能力.提出的模型和改进的算法模拟仿真表明:该方法对收敛速度和精度有更好的拟合性.

软件风险评估量化分析研究

为解决软件风险评估完全凭借专家经验产生的主观性和模糊性问题,提出了基于进化神经网络模型的软件风险定量评估方法。通过研究软件风险评估过程,提出了软件风险评估指标体系模型,同时运用模糊理论将风险因素量化以此作为进化神经网络的输入值。将改进的粒子群算法(PSO)、BP神经网络相结合,构建了基于改进BP神经网络的进化神经网络模型。对提出的模型和改进的算法进行模拟仿真实验,实验结果表明了该方法对软件风险评估量化分析的可行性。

基于改变历史日志扩展的本体映射进化研究

本体映射可以有效地解决本体异构问题,然而现有的本体映射研究大多只关注于映射方法本身,而缺乏在具体动态应用环境中对映射进化的分析,使得已有的本体映射方法在实际应用中的效率并不高。因此本文提出一种基于改变历史日志扩展的本体映射重建方法。该方法在本体映射进化时,用HL记录本体的变化对现有的映射系统进行扩展,仅仅更新过期的无效的映射对。实验结果表明,本文方法在本体不断更新的动态环境中表现较优,和其他现存映射进化系统相比具有时效性更高的优点。

隧道与地下工程智能优化系统

为解决隧道与地下工程衬砌设计存在的问题,根据国际先进水平的《隧道与地下工程设计施工新法》编制,用立体极限地压理论、优化承载主体、自动确定合理拱轴线等方法,解决了正确计算地下工程荷载、智能确定最佳拱形和最佳衬砌厚度等问题,使隧道与地下工程设计进入了新高度。利用本系统不仅可以在几分钟时间内完成隧道衬砌设计分析工作,计算精度较经典范例提高100倍,工程经济技术指标显著提高。经过大量实测数据与多项工程试验证明,是可靠、实用、经济的方法。比复合式衬砌总厚度平均减薄30%以上。按本系统设计和施工的不同试验工程,经过长期考验,全部获得成功。不仅实现了安全无事故、优质、快速,而且节约水泥、钢材、木材40%以上。