基于BP-ANN与RBF-ANN的钢筋与混凝土黏结强度预测模型研究

为研究神经网络对钢筋与混凝土黏结强度的预测能力以及神经网络的输出性能,基于大量的试验数据,提出一种基于改进神经网络的变形钢筋与混凝土黏结强度预测模型,对混凝土结构的研究与实际工程应用均有着重要的意义。收集290组黏结锚固试验数据,引入基于反向传播人工神经网络(BP-ANN)与径向基函数神经网络(RBF-ANN)算法,揭示混凝土强度、保护层厚度、钢筋直径、锚固长度及配箍率对变形钢筋与混凝土黏结性能的影响规律,建立基于改进神经网络算法的钢筋与混凝土黏结强度预测模型。对比分析不同数据预处理方法和训练神经元个数对建议模型预测结果的影响,评估各经典模型与建议模型的预测精度和离散性,提出临界锚固长度计算公式。结果表明:BP-ANN预测值与试验值比值的均值、标准差及变异系数分别为1.009、0.188、0.86,其预测精度略高于RBF-ANN;建议模型能够更准确、更稳定地预测钢筋与混凝土的黏结强度,该方法为解决钢筋与混凝土黏结问题提供了新思路。

基于信息熵理论的BP-ANN结合CCD-RSM优化黄连-黄柏提取工艺研究

目的基于熵权法结合星点设计-效应面法(CCD-RSM)和误差反向传播人工神经网络(BP-ANN)建模优化黄连-黄柏的提取工艺。方法采用HPLC测定表小檗碱、黄连碱、巴马汀、小檗碱的含量,应用UV测定总生物碱的含量,并计算提取量。采用信息熵理论对上述5个指标的的提取量与干膏得率进行综合评分,以CCD-RSM的13组数据作为训练数据,采用BP-ANN进行建模及分析,以综合评分作为考察指标,仿真模拟预测黄连-黄柏最佳提取工艺参数。结果最佳提取工艺为加11倍量水煎煮2次,每次煎煮95 min,此时综合评分达到最大值106.41。结论BP-ANN建立的数学模型具有良好的预测性,优化的提取工艺高效、稳定、可行。

BP-ANN结合正交试验法优化白附子多糖提取工艺

目的采用反向传播人工神经网络(BP-ANN)结合正交试验法优化白附子多糖提取工艺。方法水提醇沉法提取多糖后,苯酚-硫酸法测定含有量。基于单因素试验的基础上,按照L9(34)正交表安排进行试验,考察提取温度、提取时间、料液比对多糖得率的影响,BP-ANN技术优化提取工艺。结果最佳条件为提取时间3.5 h,提取温度90℃,料液比1∶20,多糖得率达5.20%。结论该方法重复性良好,而且试验次数少。

基于BP-ANN和PLS的近红外光谱无损检测李果实品质的研究

可溶性固形物(SSC)和可滴定总酸(TA)含量是影响李果实品质的重要指标,经典的破坏性检测方法不适用于果实按品质分级,近红外光谱(NIRS)检测方法具有速度快、操作简便、可无损检测果实品质。为实现NIRS无损快速检测安哥诺李果实可溶性固形物和可滴定总酸含量,利用NIRS采集李果实的漫反射光谱,同时采用糖度计测定安哥诺李果实的SSC,采用滴定法测定了李果实TA含量,使用杠杆值和F概率值剔除异常样品,采用软件优化结合人工筛选光谱波段,使用了消除常数偏移量、减去一条直线、矢量归一化(SNV)、最大-最小归一化、多元散射校正(MSC)、一阶和二阶导数结合平滑处理、一阶导数结合减去一条直线和平滑处理、以及一阶导数结合SNV或MSC校正等光谱预处理方法,分别采用偏最小二乘法(PLS)和主成分分析结合反向传播人工神经网络(BP-ANN)建立李果实SSC、TA的定量分析模型。结果表明,李果实SSC和TA的最佳PLS建模效果波段范围分别为4000~8852和4605~6523 cm^(-1)。SSC的PLS模型的最佳光谱预处理方法为MSC校正,最佳模型校正相关系数(R_(c))为0.9144,预测相关系数(R_(p))为0.8785,校正均方根误差(RMSEC)为0.91,预测均方根误差(RMSEP)为1.00。经一阶微分结合SNV和9点平滑的方法预处理后,TA的PLS模型效果最佳,R_(c),R_(p),RMSEC,RMSEP分别为0.8603,0.8196,0.80和0.86。提取了李果实SSC和TA光谱数据的主成分,并基于前10个主成分得分建立了李果实SSC和TA最佳BP-ANN定量分析模型,其R_(c),R_(p),RMSEC和RMSEP分别为0.9767,0.8897,0.75和0.99;TA的BP-ANN模型的相应参数值依次为0.9743,0.8977,0.62和0.83,与采用PLS算法建立的定量模型相比较,BP-ANN模型具有较高的R_(c),R_(p)和较低的RMSEC,RMSEP,因此BP-ANN模型对SSC和TA指标的定量分析结果更佳。

基于可见-近红外光谱技术与BP-ANN算法的污水类型鉴定

提出了一种基于可见-近红外光谱技术与BP人工神经网络（BP-ANN）算法快速进行污水类型鉴定的新方法。以FieldSpec R3地物光谱仪采集了4种污水样品的光谱数据,共168份,随机将其分成校正集（132份）和检验集（36份）。分别采取全波段（400-2450 nm）与择取波段（400-1800 nm）两种方法建立模型进行分析。光谱经S.Golay平滑和标准归一化（SNV）处理后,以主成分分析法（PCA）降维。将降维所得的前9个主成分数据作为BP-ANN的输入变量,污水类型作为输出变量,建立3层BP-ANN鉴别模型。利用36个未知样对模型进行检验。结果表明：两类模型预测准确率均高达100%,且择取波段模型比全波段模型具有更高的预测精度。说明利用可见-近红外技术结合BP-ANN算法进行污水类型的快速、无污染鉴定是可行的,且波段筛选是优化模型的有效方法之一。

基于BP ANN-GA混合型算法的混凝土配合比优化设计研究

根据混凝土不同龄期的抗压、抗拉强度与和易性、耐久性等要求,综合考虑原材料供应、施工工艺、环境温度和湿度等条件,合理设计混凝土配合比,并最大限度节约工程成本,是现代混凝土技术发展对配合比设计提出的新要求。本文结合基于BP人工神经网络的预测技术和基于遗传算法(GA)的全局优化算法,建立混凝土配合比非线性优化模型,并对该模型的参数选择、计算效率等问题进行深入探讨,从而为上述问题的解决找到一条较为可行的途径,取得初步的成果。文中并给出简单的应用实例,以进一步验证算法的适用性、有效性。

基于BP-ANN-CA的都安喀斯特土地系统演变模拟

综合考虑影响都安喀斯特土地利用变化的社会经济和自然等15个空间变量,耦合元胞自动机与BP神经网络模型,经过数据预处理、人工神经网络、校准模拟和预测等四个步骤模拟了都安县2015年土地利用情景变化。研究表明,都安县2015年灌丛地、有林地草地和居民点用地都有不同程度的增加,坡耕地、裸岩地则有较大幅度的减小,其他用地变化不明显,反映出近年来生态治理措施取得的成效。

利用BP-ANN模型进行深基坑变形预测分析的探讨

利用LM算法和自适应学习速率的动量梯度下降法对BP-ANN模型进行改进,发现LM算法在建立深基坑变形预报模型时具有更高的学习效率,且输入量间的相关程度对网络效率无显著影响,隐含层节点数可通过仿真误差分布图确定和优化。仿真与预测结果表明,在平稳观测时间序列内该模型具有更高的预测精度,在实际深基坑监测预报中值得推广应用。

用于Landsat ETM+和ERS-2SAR图像融合对城区地物特征分类的BP-ANN/GA混合算法

该文建立了反向传播人工神经网络(BackPropagationArtificialNeuralNetwork,BP-ANN)和遗传算法(GeneticAlgorithm,GA)的BP-ANN/GA混合算法。利用GA算法的全局优化能力优化BP-ANN的初始权值,克服了传统BP-ANN收敛速度慢,容易陷入局部最小的缺点。BP-ANN/GA混合算法对LandsatETM+4,5,7三波段红外图像和ERS-2SAR雷达图像的融合数据进行了城市多类地物特征分类。结果表明:BP-ANN/GA算法不仅提高多源遥感图像自动分类的速度,而且提高了各类特征分类的精度。该文对上海浦东地区的LandsatETM+和ERS-2SAR数据作了融合分类试验与验证。

京津冀协同发展背景下的土地集约利用研究——BP-ANN在石家庄市的运用

"京津冀协同发展"是国家重点实施的区域发展战略,有利于促进区域城市群的形成和发展,提升区域竞争力。为了避免石家庄在发展中可能产生的一系列"城市问题",实现土地利用结构优化和城市可持续发展,需要对土地集约利用情况进行评价研究。文章选取了12个指标构建石家庄市土地集约利用评价指标体系,运用BP-ANN模型,通过测试数据对网络进行训练,得出石家庄市土地处于中低程度的集约利用状态。根据评价结果,结合石家庄市实际情况,提出了土地集约利用的措施建议。

改良ANN-BP算法在炭黑工艺建模中的应用与研究

针对目前炭黑行业生产主要以经验为主的不利境况,将人工神经网络误差反向传播算法(ANN BP算法)用于炭黑工艺建模,比较三种ANN BP算法结果后,利用基于动量法和学习速率自适应调整改良的ANN BP算法建立了炭黑工艺参数与指标之间的非线性映射模型,并与多元线性回归、主成分回归建立的线性模型进行了比较.结果表明,改良ANN BP算法预测相对误差在5.6%以内,且有较好的容错能力,比较好的解决了炭黑生产过程中的预测模型构建问题.

BP-ANN结合正交试验设计优化大黄总蒽醌醇提工艺

目的:优化大黄总蒽醌的醇提工艺。方法:采用渗漉法提取大黄总蒽醌,应用HPLC测定其含量并计算大黄总蒽醌提取率。影响渗漉效果的主要因素有乙醇浓度、乙醇用量、渗漉速度,因此选择上述3个因素作为考察因素,按L^(9)(3^(4))的试验安排进行提取,以正交试验的9组数据作为训练样本,应用误差反向传播人工神经网络(BP⁃ANN)进行建模及分析,以大黄总蒽醌提取率作为考察指标,仿真模拟预测大黄总蒽醌最佳醇提工艺参数。结果:正交试验优化的提取工艺为以60%乙醇浸泡24 h,以1 ml·(min·kg)^(-1)的渗漉速度收集10倍量渗漉液,大黄总蒽醌提取率为2.142%;BP⁃ANN预测的最佳提取工艺为70%乙醇浸泡24 h,以3 ml·(min·kg)^(-1)的渗漉速度收集10倍量渗漉液,大黄总蒽醌提取率为2.380%。验证试验结果表明,BP⁃ANN优化工艺与正交试验相比,大黄总蒽醌提取率的的增长率为8.03%,与预测值的相对误差为2.77%。结论:BP⁃ANN优化工艺的提取效果优于正交试验。

基于BP-ANN的热电偶信息处理方法

为了提高传感器的准确度,提出一种基于BP网络和递推预报误差算法对热电偶进行信息处理的方法,经过仿真试验证明该方法可以提高传感器在较大范围内的测量准确度。该方法用软件容易实现,可以很方便地应用到其它传感器中。

伴随时空特性的雷电预测BP-ANN模型研究

为提高雷电预测模型的准确率和学习性能,提出一种基于增量学习和时空特性的雷电预测BP-ANN二项分类器。通过增量方式和依据数据的时空特征进行历史数据的学习,建立多种BP-ANN模型,分别对新的数据进行预测分类,然后采用多数投票方式确定新数据的类别。分别构建基于增量学习的BP-ANN模型、基于时空特性的BP-ANN模型以及结合基于增量学习和时空特性的BP-ANN模型这3种雷电预测模型,并在真实雷电数据集上进行预测准确度和学习性能的测试,结果表明了增量学习、时空特性以及二者结合的优劣。

基于BP-ANN的红麻生物酶脱胶预测模型的构建

由于红麻脱胶环境是一个典型的非线性、强耦合、时变的复杂被控对象,难以实现产业化所要求的实时跟踪控制,其模型难以通过机理建模的方式用简单数学公式或传递函数来描述。将人工神经网络理论应用到红麻韧皮纤维生物酶脱胶过程当中,分析了温度、时间、pH值、浴比和酶浓度等五项主要脱胶工艺参数对脱胶效果的影响水平,经过MATLAB仿真程序的设计和实验,确定了最佳的BP神经网络拓扑结构,建立了红麻韧皮纤维脱胶的神经网络预测模型。

基于BP-ANN的光伏发电功率超短期预测方法

针对光伏发电的间歇性和波动性问题,采用基于BP-ANN建立光伏发电系统输出功率超短期预测模型,利用输出功率的历史值、过往及预测日气象信息,对输出功率进行预测,并提出适用的预测流程及预测误差评估方法。实际应用以及与实时监测数据对比,表明该方法方法误差较小,合格率较高,能够满足应用的要求。

地基沉降预测中CSI和BP-ANN生成“填空数据”精确度比较

基于地基沉降观测数据,同时采用三次样条插值法(Cubic Spline Interpolation,CSI)和经遗传算法优化的BP人工神经网络(Back Propagation Artificial Neuron Network,BP-ANN)仿真生成"填空数据"(插值),并与对应的实际观测数据进行比较.结果发现,BP-ANN仿真生成的数据比CSI仿真生成的数据精确度更高.在具体工程实践中,BP-ANN可作为一种可供选择的"填空数据"生成技术,进行地基沉降预测.

基于ANN-BP模型的电子商务信用风险形成思路

企业生存风险的识别的本质是确定企业生存风险识别的模式和影响企业生存风险状态的各指标权重,但是众多影响因素间不存在确定的函数关系表达式,并且各指标权重的确定也相当复杂。人工神经网络(ANN)基于并行处理机制从结构上对人类的思维过程进行模拟,从而能实现人类思维的某些功能。人工神经网络可以实现任意形式的映射,这就为企业生存风险识别提供了一种新的思路。基于人工神经网络(ANN)的电子商务信用风险模式识别,能够充分利用样本电子商务信用风险的有关信息,通过高度的非线性映射,揭示感知信用风险与其相关影响因素即主要诱因的内在作用机理,从而从根本上克服了感知信用风险测度或识别中建模及其求解的困难。

基于BP-ANN的科技型中小企业成长性测度研究──以兰州市为例

科技型中小企业是我国最具活力和创新力企业的有机结合,不仅是我国科技事业的发展的重要支撑点和增长点,对全国增加就业、促进科技成果转化、产业结构升级调整等方面也作出了积极贡献。然而由于经济发展的外部环境及企业内部的自身情况不断变化,我国科技型中小企业的生存寿命很短,表现出企业成长性明显不足的特点。政府和企业应该从各自的角度积极调整相关政策和发展战略,以支持科技型中小企业更好地成长,为我国的经济作出新的贡献。

基于BP-ANN模型的农村土地生态安全评价及影响因素分析——以重庆市丰都县为例

针对重庆市丰都县土地生态敏感特性和区域实际情况,将土地生态安全评价指标值作为输入,土地生态安全评价得分作为输出,基于多层反向传播人工神经网络(BP-ANN)构建了具有15个隐含层神经元的3层土地生态安全评价模型,通过Matlab R2012b随机选取2013年317个总样本中的200个样本,将其中的70%,30%分别作为网络的训练样本和检验样本用于训练及检验BP-ANN,将剩余117个样本测试网络,再将2014年317个村的相关指标值代入人工神经网络通过模式识别进行评价;在此基础上分析丰都县农村土地生态安全状况的空间分异现象,并使用因子分析法结合多元线性回归分析法研究影响丰都县农村土地生态安全的因素。结果表明:(1)117个测试样本中相对误差小于5%的样本占98.21%,BP-ANN模型精度良好;(2)2014年丰都县各村土地生态安全评分为40.47~55.73,平均得分49.19,土地生态安全状况处于中等偏下水平,空间上土地生态安全评分全局Morans′I指数为0.34,空间呈自相关性,县域内西北部的农村土地生态状况较好;(3)影响丰都县农村土地生态安全的因素按照影响程度大小依次为:植被生物条件、土壤条件、景观多样性、生态建设与发展协调程度、降水条件、水域条件。BP-ANN模型一定程度上克服了传统评价过程中主观因素导致的误差,精确的评价结果对区域土地生态保护提供指导。