基于BP网络的葡萄病害发生预测系统的开发研究

[目的]提高葡萄病害预测的准确度。[方法]介绍基于BP网络的葡萄病害预测系统的开发研究,包括网络结构的确定、网络学习参数的选取、样本数据的处理等方面。[结果]对河北省怀来县葡萄病害发生程度进行预测,取得良好的效果。[结论]运用BP网络模型对葡萄病害的发生量进行预测预报,适合于影响葡萄病害发生因素多、关系复杂、难以定量分析以及需长期预测的情况,对于葡萄病害发生程度的预测具有重要的参考价值。

一种优化的BP神经网络算法在石油储层预测中的应用

模型将GA、SA与BP 3种算法有机地融合在一起,实现优势互补。采用二进制与实数混合编码,可以动态地根据样本特征对BP网络中的输入节点数、隐层节点数、转移函数、权值与阈值等进行自适应优化调整。在保证精度的前提下,采用较少的输入节点和隐层节点数,使网络的结构相对简单。采用自适应交叉率、变异率与学习率,以增强网络的自适应与泛化能力,极大地减少人为主观因素对网络设计的影响。

棉织物透气性能的BP神经网络预测研究

采用BP神经网络技术建立和训练反映织物结构参数与织物透气性能之间关系的三层神经网络模型 ,可预测织物的透气性能 ,比较预测值和试验值 ,表明用神经网络方法预测织物透气性能有相当的准确性 。

BP 神经网络结构与样本训练参数选取的初步探讨

结合笔者开发的ＢＰ神经网络生成器，对ＢＰ网络结构和训练参数选取进行了详细的讨论，在克服传统的ＢＰ网络缺陷方面进行了有益的探索．

BP神经元网络在路基路面结构设计中的应用

针对现有沥青路面设计规范的不足 ,根据人工神经元网络所具有的参数识别功能 。

基于BP神经网络的通信信号调制体制识别技术

本文研究了基于BP神经网络的通信信号调制体制识别技术。提取了反映信号调制体制差异的特征参数,并从提高收敛速度和正确识别概率出发,构建了最佳的神经网络分类器。实验结果表明,该技术拥有较好的通信信号调制体制识别性能。

基于BP神经网络的棉织物透气性能预测

为了研究棉织物结构参数与透气率之间的关系,选取20种纯棉平纹织物作为样本,测试织物结构及透气率,采用三层BP神经网络方法,建立织物结构参数与织物透气率之间的关系模型,重新采集5种织物对建立的网络模型进行验证。结果表明:BP神经网络可用于棉织物的透气率预测,以织物经密、织物纬密、经纱表观直径、纬纱表观直径、平方米重量、厚度、总紧度为输入变量,隐层神经元数为4,得到织物透气率模型的预测值与实测值的相关系数为0.8776,预测误差范围为10.33%-24.76%,平均误差为17.60%,表明BP神经网络模型在一定程度上能够预测棉织物的透气率。

油水分离水力旋流器的人工神经网络模拟

采用改进的BP神经网络模型模拟水力旋流器的油水分离过程。根据水力旋流器的实际生产条件 ,确定旋流器模型设计中的优化神经网络结构为 8- 12 - 12型神经网络。对神经网络的结构进行了优选和分析 ,提出了自适应调节学习率和动量因子的快速BP算法 ,并对激励函数进行了改进。结果表明 ,用改进的BP神经网络模型模拟水力旋流器的分离过程是切实可行的 ,通过旋流器的人工神经网络模拟 ,能够根据旋流器的物性参数和分离期望值 ,预测旋流器的结构参数和操作参数 ,实现旋流器结构参数和操作参数的优化。

壁流式蜂窝陶瓷孔结构参数的测定

壁流式蜂窝陶瓷孔洞结构决定其过滤性能,故选择合适的方法和测量装置对其孔结构参数进行测定非常重要。选用液体排除法,自制一套专用测量装置,详细讨论了测量原理和计算方法,并采用计算机BP神经网络编程,对不同工艺制备的壁流式蜂窝陶瓷孔结构参数进行了测定。测定结果可为优化制备工艺提供直接参考。

纤维多孔陶瓷孔结构参数的测定

纤维多孔陶瓷孔洞结构决定其过滤性能,故选择合适的方法和测量装置对其孔结构参数进行测定非常重要。根据液体排除法,自制一套专用测量装置,详细讨论了测量原理和计算方法,并采用计算机BP神经网络编程,对不同粘结剂制备的纤维多孔陶瓷孔结构参数进行了测定。测定结果可为优化制备工艺提供直接参考。

柔性路面结构参数反算的人工神经元法

利用传递矩阵的方法，计算出了柔性路面三层结构体系在轴对称荷载作用下，层间完全接触情况的表面弯沉值。利用计算数据训练了三层 BP网络，从而得到了较精确的权值和阀值，再利用所得到的权值和阀值对柔性路面结构的模量和厚度进行了反算，并将反算值与实际值进行了比较，得到了令人满意的结果。该法速度快、精度高，除了反算模量外，还可反算路面结构层的厚度。

一种神经网络辨识的混合学习算法

文章提出了一种神经网络辨识的混合学习算法。采用具有递阶结构的遗传算法来获得神经网络拓扑结构和连接权值的全局次优解,之后由BP算法来进一步调整神经网络的连接权值,从而实现神经网络的自动优化设计。仿真结果表明,所得的神经网络结构简单、精度高,并具有良好的泛化能力。

基于结构和参数智能优化的神经网络数值预测方法研究

针对BP神经网络数值预测中结构不易确定、易陷入局部最小等问题,利用遗传算法,采用二进制编码方式优化网络结构,采用浮点数编码方式优化网络参数;利用粒子群算法进一步改善网络参数,减少算法耗时,提高预测精度。仿真验证了算法的有效性。

基于人工神经网络深松机关键部件的参数优化

利用BP神经网络训练数据,以深松机关键部件的三个结构参数—翼张角、刃角和翼倾角为输入参量,输出目标参量为牵引阻力,建立深松机牵引阻力的人工神经网络模型。结果表明:训练良好的BP网络输出数据与实测数据吻合较好,网络模型具有较高的精度,并具有收敛速度快等特点。同时,确定了一组最优结构参数,为深松铲的设计提供理论依据。

路面结构参数同时反算人工神经网络法

利用传递矩阵方法 ,计算出柔性路面结构在轴对称荷载作用及层间完全接触情况下的路表弯沉值 ,以该结果为输入数据训练四层 BP网络 ,得到较精确的网络权值和阈值 ;在此基础上实现了对柔性路面结构层的模量和厚度参数的同时反算 .计算分析表明 ,该方法速度快且精度高 ;既可反算路面结构层的模量 ,又能反算其厚度 .通过与实际值比较 。

基于路面构造特性的附着系数识别研究

为提高汽车主动防碰撞系统的预警精度,提出了一种基于路面构造特性的附着系数识别方法。首先通过激光扫描仪扫描不同类型和不同磨耗程度的沥青路面,获取路表纹理形貌的三维坐标,在Matlab中编制程序计算出MTD、MPD等7个路面构造特征参数数值;然后对特征参数进行相关性分析,选取MTD、MPD、Rq和Δq作为评价路面附着系数的代表性表征指标;最后应用BP神经网络建立附着系数与代表性表征指标之间的关系模型,并用实测数据对模型进行训练和验证。结果表明:通过MTD、MPD、Rq、Δq等四个路面构造特征参数及建立的神经网络模型,能够较好地预测路面附着系数。

一种研究逆向卸荷膜片式减压器稳定性的BP神经网络改进算法

为更好地研究多结构参数耦合变化下减压器PPR(pressure reducing regulator)的稳定性,使用BFGS(Broyden-Fletcher-Goldfarb-Shanno)拟牛顿法替换梯度下降法,实现了基于Wolfe条件的一维线搜索变步长BP(back propagation)算法.结果表明:改进的BP算法使迭代次数减少了1~2个数量级,且易于收敛到最小点.该算法用于逆向卸荷膜片式减压器时,能适应2~3个结构参数的耦合,可预测大于106个数据点的数据集.多结构参数同时变化时,更容易找到使得减压器稳定的结构参数组合.更重要的是这些结构参数同时变化时减压器的稳定性比仅其中一个参数变化时更好.

基于BP神经网络的土地整治工程典型路面选型研究

土地整治工程田间道路的路面选型过程是一个复杂的、非线性映射过程,需要借助专业人员的经验评估来确定路面结构类型。本文提出的基于BP神经网络路面结构选型模型,以安康市农村公路典型路面结构数据为例,进行分析验证。通过应用精准的数据挖掘方法解决路面结构类型选型问题,有助于促进土地工程领域路面结构选型决策的智能化和科学化。

神经网络结构与训练参数选取

结合作者研制的BP神经网络生成器,对BP网络结构和训练参数选取进行了详细的讨论,在克服传统BP网络缺陷方面进行了有益的探索。

考虑层间接触状态的路面动力响应解析解及参数反演

为了对现有路面结构FWD检测技术的改进提供相关参考,并进一步完善路面结构质量评价体系,从轴对称动力平衡方程出发,应用Hankel-Laplace积分变换,推导了考虑路面材料横观各向同性特性和路面结构层间接触状态的路面结构力学响应解析解,结合传递矩阵法提出了一种路面结构力学响应快速计算方法,并通过与ABAQUS计算结果的对比验证了所提理论推导的正确性。在此基础上,随机生成6 728组不同竖向模量、模量比、层间滑移系数以及结构层厚度的路面结构,计算其在FWD脉冲荷载作用下的表面位移响应,并应用BP神经网络以及实数编码的多种群遗传算法反演路面结构参数。研究结果表明:对BP神经网络而言,仅土基材料参数以及各结构层竖向模量的预测结果相对较为理想,其相关系数在0.75以上;较BP神经网络的预测结果,实数编码的多种群遗传算法对竖向模量的预测精度有了较大提高,相关系数基本达到0.95以上。但无论采用何种反演方法,对模量比以及层底滑移系数的预测效果均不理想。综上所述,所提出的解析解以及计算方法具有较高的计算精度以及较好的数值稳定性,能够实现路面结构力学响应的快速计算;同时,在进行路面参数反演计算时,应考虑路面结构的层间不完全连续状态以及材料的横观各向同性;而仅依靠路表弯沉数据进行参数反演的结果并不理想,有必要对现有检测技术进行相关改进。