基于最小二乘法和BP神经网络的磁流变阻尼器H-B模型参数辨识方法

针对Bingham模型磁流变阻尼器由于剪切稀化效应带来的阻尼力计算误差,在理论和仿真分析的基础上,提出一种最小二乘法和BP神经网络相结合的方法,对磁流变阻尼器H-B模型进行参数辨识,获得各参数与电流的关系,从而对磁流变阻尼器的阻尼力进行准确计算。最后通过磁流变阻尼器实验对理论方法进行验证。结果表明:借助于磁流变阻尼器的仿真分析,最小二乘法和BP神经网络相结合的磁流变阻尼器H-B模型参数辨识方法精确度高、吻合性好,验证了参数辨识结果的通用性及准确性。

基于BP神经网络的高密度电法在水库清淤扩容坝后排泥区围堰探测中的应用

高密度电法具有采集数据量大、效率高、反演信息丰富等特点,在水库大坝病险隐患探测领域得到广泛应用。目前,使用基于最小二乘法的反演容易受地电数据局部极值影响,使得探测到的病害位置和规模不准确。对此,通过建立不同参数值、形态大小及位置分布的异常体正演模型,将模型数据作为训练样本,以此构建基于BP神经网络的高密度电法反演模型;将训练完成的反演模型应用于水库清淤扩容坝后排泥区围堰的高密度电法探测结果分析中。结果表明,所提方法能够减小局部电流极值引起的屏蔽作用,缩小隐患排查范围,提高了高密度电法受高阻屏蔽影响下分辨隐患的准确性和反演精度,可对物探资料作出更为精确的解释。

基于熵权法和BP神经网络的煤矿应急管理能力评价

目的为了进一步提高煤炭开采的安全应急管理能力。方法首先,查阅相关文献,并在此基础上征求专家的意见,构建了包括应急管理能力的预防、应急管理能力的救援能力、应急管理的保障、应急管理能力的恢复共4个一级指标和16个二级指标的评价指标体系;其次,通过熵权法确定各级指标权重,并结合BP神经网络建立了煤矿应急管理能力综合评价模型;最后,以山西某煤矿为背景对构建的模型进行了实例运用。结果事故的风险评估与预警、救援队伍的救援水平、应急部门与场所的建设、事故发生后的恢复计划、事故的损失与评估等五个因素对煤矿应急管理能力影响较大,计算得出山西某煤矿的应急管理能力结果为“良”。结论安全应急管理能力评价结果为“良”,评价结果与实际应急管理能力水平相符,为山西某煤矿进行安全评价工作提供了理论依据。

基于BP神经网络的洪涝灾害承灾体脆弱性评估

为了降低洪涝灾害对北京市承灾体的损害,制定了一个同时考虑暴露度、敏感性和适应能力的承灾体脆弱性评估框架,运用熵权-TOPSIS算法对承灾体指标数据客观赋权并得到标准化后的脆弱性指数,将初始权重和脆弱性指数分别作为输入和输出数据集代入BP神经网络进行训练进而得到优化权重;进一步结合ArcGIS技术对洪涝灾害承灾体脆弱性进行评估,并利用自然断点法将洪涝灾害承灾体脆弱性划分为4个等级。结果表明:①人口密度、经济密度、城市POI密度、植被覆盖率和排水管网等指标对北京市洪涝灾害承灾体脆弱性影响显著;②北京市洪涝灾害承灾体脆弱性在空间上呈现东南向西北逐渐降低的趋势,城市中心区脆弱性等级高,边缘地区脆弱性低。研究成果对于降低北京市洪涝灾害承灾体脆弱性具有一定指导意义,权重优化模型及脆弱性评估模型也可应用到其他城市。

基于BP神经网络的云南花卉物流需求预测

文章首先对云南花卉市场进行现状分析,在此基础上以近10年来云南花卉总产值为变量依据,来预测云南花卉的未来物流需求量情况。文章提出了可能会影响花卉物流需求量的8个因素,运用BP神经网络预测法并结合近10年的云南花卉总产值对未来3年的需求量进行预测。预测结果表明,未来几年,云南花卉市场对于物流的需求不降反增。而作为鲜活植物产品,花卉的运输又对冷链物流提出了更高的要求。因此,提高冷链物流的技术势在必行。

基于GA-BP神经网络的致密砂岩横波时差预测方法

横波时差资料对开展致密砂岩储层水平井井壁稳定性与压裂效果研究有着关键作用。受开发成本的制约,横波时差测井资料极少,对研究致密砂岩力学性质造成很大困难。以井径、自然伽马和纵波时差等常规测井资料为基础,提出了基于GA-BP神经网络的致密砂岩横波时差预测方法。利用定边油田L区D166井长7、长8段数据,分别进行了GA-BP模型和BP模型的训练和检验,并对比分析了2种模型的预测效果。结果表明,GA-BP模型不受井眼环境、岩性和沉积环境等因素的影响,平均绝对百分比误差较BP模型小3.109个百分点,精准性更高、泛化性更强、可靠性更好。该方法对提高横波时差预测精度具有实际应用价值,为后续研究奠定了基础。

GA-BP和PSO-BP预测模型在九龙矿煤层底板突水预测中的应用研究

目前,煤层开采环境复杂,随着开采深度、开采强度的增加,面临多变的突水因素和复杂的突水机理,且各因素间相互联系的不确定性,使底板突水预测的难度不断增加。对GA-BP与PSO-BP两种组合优化方法进行描述、对比。两种组合优化方法克服了神经网络容易收敛到局部最小值,以及收敛速度慢的缺点,对煤层底板突水都能实现较高精度,具有强大的泛化能力。通过对两种组合优化方法的预测模型做对比,发现GA-BP模型更优于PSO-BP模型,证明GA-BP组合优化方法更适合对底板突水危险性进行预测。

基于BP神经网络的海底浅层超软黏土不排水抗剪强度预测

准确评估海底浅层超软黏土的不排水抗剪强度对海洋资源开发、灾害评估、海洋工程建设等具有重要的意义。世界多个海域超软黏土数据分析对比表明,现有不排水抗剪强度评估经验公式存在受地域限制的问题,计算精度较低。因此,以超软黏土的6个物性指标为输入变量,不排水抗剪强度为输出变量,建立BP神经网络模型进行海底浅层超软黏土不排水抗剪强度预测;根据建立的超软黏土不排水抗剪强度与物性指标之间的非线性映射网络,以权积法求解超软黏土不排水抗剪强度对各指标的敏感度系数,定量分析各指标对不排水抗剪强度的影响程度。结果表明:考虑多因素影响的BP神经网络模型在超软黏土不排水抗剪强度预测方面具有普遍适应性,其预测结果非常接近落锥试验实测结果,均方差0.02139,R2值达到0.9874,预测精度远高于现有经验公式;采用权积法计算得到的对数流动性指标对不排水抗剪强度最为敏感;据此建立了以对数流动性指标为参数的黏土不排水抗剪强度预测经验公式,该公式在计算中国海域超软黏土不排水剪切强度方面具有较高精度,但由于数据量有限,依旧存在一定局限性。本研究为海底浅层超软黏土不排水抗剪强度的计算提供了参考。

基于小波包分解与GA优化BP神经网络的瞬变电磁反演

瞬变电磁反演是高维非凸的复杂非线性反演问题。利用传统的BP(back propagation)神经网络可以有效缓解瞬变电磁反演的过拟合现象,但是BP算法收敛速度慢、易陷入局部最优。为了解决这些问题,提出了一种基于小波包分解(wavelet packet denoising,WPD)和遗传算法(genetic algorithm,GA)优化BP神经网络的方法(WPD-GA-BP),并应用于瞬变电磁反演中。首先,采用基于硬阈值和Daubechies系列中Db13的WPD方法降低观测磁场数据中的噪声成分,同时提出一种剔除冗余特征的样本采集策略。然后,引入具有全局性的GA优化BP神经网络初始权重,提升BP算法的学习能力和求解精度。最后,基于中心回线源一维瞬变电磁正演理论,构建层状地电模型,经WPD预处理后进行反演,并比较GA-BP与传统Occam、单一BP、PSO-BP(particle swarm optimization-BP)、DE-BP(differential evolution-BP)等算法的反演结果。理论模型与实测数据反演结果表明:在瞬变电磁层状地电模型反演中,WPD-GA-BP比其他算法具有更高的精度以及更强的稳定性和正演数据拟合能力,可有效应用于电磁探测反演解释中。

基于BP神经网络算法的顶管下穿地表沉降预测研究

顶管下穿是一种常见的地下工程施工方法,然而,地下工程施工过程中的地层变形对工程安全和施工质量有着重要影响。为了有效预测顶管下穿地层变形,文章基于BP神经网络算法提出了一种预测方法。通过采集和整理在顶管下穿过程中的大量监测数据,并结合BP神经网络算法的训练和预测能力,建立了一个地层变形预测模型。通过实际案例验证,结果表明该方法能够高效准确地预测顶管下穿地层变形,为地下工程施工提供了可靠的参考依据。

基于改进BP神经网络的电气设备绝缘故障诊断研究

文章以变压器绝缘故障为例,首先采用改进谐波分析法进行在线监测,获取变压器绝缘的原始信号,并对已获取信号进行预处理工作。其次采用自适应学习率改进BP算法,并搭建3层前馈神经网络,构建新型神经网络模型。最后应用改进的BP神经网络模型,结合熵值法完成变压器信号训练,实现变压器绝缘故障诊断。实验结果表明,此方法可有效提升电气设备绝缘故障诊断的准确性,缩短整体诊断耗时,具有较高的实际应用价值。

基于Box-Behnken响应面法与BP神经网络的油菜花粉总黄酮提取工艺研究

目的 优化油菜花粉总黄酮的提取工艺。方法 以干膏得率、DPPH·清除率、总峰面积和指标峰面积为评价指标,通过熵权法赋以权重,得到综合评价指标。在单因素试验的基础上,建立Box-Behnken响应面法油菜花粉提取物HPLC指纹图谱-DPPH·清除率的谱效关系并计算关联度,利用关联度对指纹图谱峰面积进行校正,通过比较Box-Behnken响应面法与BP神经网络获得最佳提取工艺。结果 通过Box-Behnken响应面法获得的最佳提取工艺为乙醇浓度70%、料液比1∶25(g∶mL)、回流时间30 min。BP神经网络预测的最佳提取工艺为乙醇浓度70%、料液比1∶30(g∶mL)、回流时间为40 min。经验证,BP神经网络的综合评价指标为1.120 4,优于Box-Behnken响应面法的综合评价指标0.894 7。结论 优化后的油菜花粉总黄酮提取工艺稳定可靠,可为油菜花粉深度开发提供理论依据。

基于BP算法的装配式建筑钢结构表观病害检测

装配式建筑钢结构表观病害检测过程中,受环境和主观因素影响的细小病害检测性能较低。因此,利用BP算法,设计一种新的装配式建筑钢结构表观病害检测方法。在检测车上搭载工业相机,采集装配式建筑钢结构图像,通过线性灰度拉伸、非线性滤波等方式,进行图像预处理。通过图像灰度共生矩阵,计算出图像纹理特征参数。依托于BP算法,构建包含数个3层神经子网络的表观病害检测模型,并通过自适应调整和训练,实现复杂环境下的装配式建筑钢结构表观病害准确检测。实验结果表明:所提方法输出检测结果的综合指数F1值在0.9以上,满足表观病害检测质量要求,优化了检测质量。

基于BP神经网络的电池容量估计

电池充足的容量是保障通信基站电池储能系统稳定运行的关键因素之一。通信基站按照要求每年进行例行核对性放电,该方法人工成本较高。本文提出一种基于BP神经网络的电池容量估计算法,利用大量的电池放电过程中电压变化数据建立电池模型,实现对电池容量的估计。

基于BAS-BP神经网络结合熵权法多指标优化金蕾复方提取工艺

目的通过正交试验与天牛须搜索算法(BAS)-BP神经网络对金蕾复方的提取工艺参数进行多指标优化。方法在单因素考察得到最佳醇提浓度的基础上,以料液比、提取时间、提取次数作为正交试验考察因素,运用熵权法计算木犀草素、山柰酚、当药宁及干膏得率的综合得分,再建立BAS-BP神经网络模型,以BAS进行寻优,预测最佳提取工艺。结果BAS-BP神经网络优化得到金蕾复方醇提工艺为料液比1∶10、提取0.5 h、提取3次,综合得分为96.3526;正交设计所得最佳工艺参数为料液比1∶10、提取0.5 h、提取3次,综合得分为90.9880。前者略优于后者但差异较小,结合生产实际确定金蕾复方的最佳提取工艺为料液比1∶10,提取0.5 h,提取3次。结论基于BAS-BP神经网络优选所得工艺参数提取效率高、稳定性良好,可为后续开发及质量控制提供参考。

基于SCG-BP神经网络的岩爆预测模型

标准的BP神经网络在岩爆预测中表现较差,选用量化共轭梯度法优化BP神经网络进行岩爆预测分类研究。选取应力系数、脆性系数和弹性能量指数为预测指标,以46组工程案例作为数据库,所建立的SCG-BP神经网络预测准确率达80.43%,远高于优化前的54.05%。对模型训练集与测试集的分类误差和分类结果进行可视化,并与标准BP神经网络的预测结果进行对比分析,结果表明优化效果良好。通过在实际工程中应用,表明该岩爆预测模型具有推广使用价值。

基于GASA-BP的轧辊内部缺陷检测方法

为了准确识别轧辊内部缺陷,采用超声波探伤仪对轧辊进行检测,并提出一种融合灰狼算法、遗传算法、模拟退火算法和BP神经网络的超声检测信号分类方法。对超声检测信号进行小波降噪,采用自适应灰狼优化阈值法确定最优的小波阈值;根据轧辊内部不同缺陷检测信号的时域和频域信息差异,从三层、四层和五层小波包分解中选择最优的分解层数,以实现对去噪检测信号的最佳处理,在此基础上构建检测信号的能量特征向量;采用经过遗传模拟退火算法优化的BP神经网络模型(GASA-BP)进行特征向量的识别,进而完成轧辊内部缺陷的分类。实验结果表明,该模型的识别准确率可达到97.41%,并且运算速度得到极大提高,能满足大部分企业对轧辊缺陷分类精度及效率的要求,为轧辊的进一步检测、修复及再制造提供了可靠信息。

基于优化BP神经网络的连续管疲劳寿命预测

针对标准BP神经网络预测连续管疲劳寿命时容易陷入局部极小值和训练时间过长的缺点,利用有动量的梯度下降法、拟牛顿算法和一步正割算法分别对BP神经网络进行优化。拟牛顿算法优化后的BP神经网络性能最佳。利用拟牛顿算法优化后的BP神经网络预测连续管疲劳寿命,并与标准试验结果进行对比研究。研究结果表明:拟牛顿算法优化后的BP神经网络预测结果与标准试验结果最小相对误差率为1.7%,最大相对误差率为3.6%,满足工程精度要求。同时利用优化改进的标准BP神经网络预测方法,提出连续管疲劳寿命区间预测。预测结果表明,所有的预测样本都处于合理的预测范围之内,证明了优化后BP神经网络预测连续管疲劳寿命区间的可行性。所得结果可为连续管的疲劳寿命预测提供参考。

基于BP神经网络和一次二阶矩法的结构可靠度分析

工程结构的功能函数大多为隐式表达式,使得以功能函数的显式表达式为基础的可靠度计算方法难以应用。为此,基于BP神经网络法和一次二阶矩法,根据结构随机变量的统计特性进行随机抽样获取有限数量的样本点,计算出每组样本点下结构的响应值;然后,将其代入由结构响应容许值与实际响应值建立的功能函数中,得到每组样本点下结构的功能函数值;利用BP神经网络对功能函数进行拟合,得到其显式表达式之后,采用一次二阶矩法计算结构可靠度,提出了一种针对隐式功能函数的结构可靠度分析方法。本文方法可以将结构的隐式功能函数进行拟合,从而得到显式功能函数,并最终利用基于显式功能函数的可靠度算法来计算结构可靠度。算例分析表明,本文方法能正确计算结构的验算点和可靠指标,具有较高的计算精度,为功能函数无法显式表达的结构可靠度分析提供了一种可行的方法。