基于GA-BP神经网络的月生活需水预测——以黄河流域为例

在水利高质量发展的背景下,为了更精准地反映未来需水情势,探索月尺度需水的预测方法十分必要,有利于有效规划和管理供水系统以解决水资源短缺问题。以黄河流域9个省区为例,对月生活用水规律进行分析,通过奇异谱分析(singular spectrum analysis,SSA)法对用水规律进行验证,引入遗传算法对BP神经网络预测模型进行改进,分别建立基于时间序列的单变量模型和基于影响因子的多变量模型,并将预测结果与BP神经网络模型预测结果进行比较。结果表明:改进预测模型对各省区2020年月生活需水量预测的平均相对误差基本在5%以内,精度优于BP神经网络模型,对水资源精细化管理具有一定的参考价值。

基于GA-BP神经网络的激光加热温度分布预测研究

在激光加热过程中,被加热材料的温度变化会对加工精度产生重大影响。为准确了解激光辐照材料引起的物理效应,根据激光加热的实际情况,建立材料表面升温的三维热传导模型。通过COMSOL Multiphysics有限元计算软件建立材料温度场的数值模型,得到在激光辐照下的温升与热变形规律,改变实验参数获得不同加工条件下的工件温度分布模型,并在此基础上建立基于GA-BP神经网络算法的温度分布预测模型。结果表明,基于GA-BP神经网络算法的温度分布预测模型可以迅速计算改变加工参数时的工件温度并预测温度分布情况,预测的平均绝对误差为27.22K,相关系数为0.97。

基于动态自适应旗鱼优化BP神经网络的工作面周期来压预测

针对现有工作面周期来压预测方法精度不足、泛化性较差和算力要求高等问题,提出了一种基于动态自适应旗鱼优化BP神经网络(DASFO−BP)的工作面周期来压预测模型。通过分析工作面周期来压机理,得到与来压相关的影响因素,通过皮尔逊相关系数确定对来压具有显著影响的因素(推进速度、直接顶厚度、基本顶厚度、采高、煤层倾角和倾向长度)作为预测模型输入,并以下次来压强度和来压步距作为预测模型输出。针对旗鱼优化(SFO)算法鲁棒性不足的问题,提出了动态自适应优化策略对SFO算法进行改进,即在优化前期利用SFO达到快速收敛的目的,中期则借助秃鹰搜索(BES)跳出局部最优,后期发挥粒子群优化(PSO)深度搜索的优势来提高解的精度。通过改进后的动态自适应旗鱼优化(DASFO)算法对BP神经网络的超参数进行训练,构建了基于DASFO−BP的来压预测模型。实验结果表明:DASFO算法在单峰和多峰测试函数上均能实现快速收敛;与BP,SFO−BP和NCPSO−BP相比,DASFO−BP对周期来压强度和步距的预测值与真实值更为接近,具有更高的精度,拟合能力和泛化能力强,能够准确预测下一周期来压分布情况。

基于BP神经网络的5G覆盖三维化方案研究

针对楼宇内5G覆盖分层准确性差的问题,在依据高度数据分层的基础上,提出了一种基于气压值的分层方法,利用BP神经网络建立分析模型,精准定位5G网络室内采样点的海拔和楼层,实现楼宇5G覆盖的精准分析,为5G室内分布精准建设提供支撑。分析结果显示,在95%的置信水平下,与多元线性拟合函数、拉普拉斯压高方程相比,BP神经网络的标准误差值仅有0.000295,性能表现最优,能够有效提升5G覆盖分层的准确率。

基于改进GA-BP神经网络的湿度传感器的温度补偿

针对自动气象站采用的HMP45D型湿度传感器测量精度易受温度影响的问题,通过对遗传算法中的编码方式、适应度函数和参数进行改进研究,利用改进的遗传算法(genetic algorithm,GA)对反向传播(back propagation,BP)神经网络的初始权值阈值进行优化,在较大的范围进行搜索,采用反向传播算法在较小范围内进行微调,优化网络结构和参数,提出了用改进遗传算法优化BP神经网络的方法,根据在多温度条件下湿度传感器的实测数据,对利用此方法建立的模型进行温度补偿研究,并结合一般BP神经网络方法进行分析比较。实验结果表明,该方法具有全局寻优能力,补偿精度高,收敛速度快,能够有效补偿温度对湿度传感器的影响,大大提高了湿度传感器的测量准确度。

基于BP神经网络的食品安全抽检数据挖掘

数据挖掘技术在食品安全领域拥有巨大的应用价值和潜力。通过分析逆向传播(BP)神经网络算法,说明使用该方法的可行性和优越性。以抽检数据为对象,阐述了数据预处理过程,设计并实现了数据挖掘实验。最后利用挖掘结果进行食品检验结论预测,验证了方法的实用价值和指导意义。实验表明,基于BP神经网络的数据挖掘方法具有良好的过程健壮性和较高的结果准确性。通过预判不合格食品的出现,可以指导实际食品安全抽检工作,从而杜绝食品安全问题的发生。

基于蚁群算法和BP神经网络的信道分配策略的研究

研究无线传感器网络信道分配策略的主要目标是提高网络吞吐量和容量,减小网络的传输时延,最大限度的利用有限的网络带宽资源。多信道MAC协议的应用,可以有效地提高网络通信的可靠性和吞吐量,以及解决由于信道受干扰而造成的网络瘫痪等问题。根据无线传感器网络多信道的特点提出了一种基于蚁群算法的动态反馈负载均衡信道分配策略。本策略首先应用BP神经网络对信道负载情况进行预测,然后通过基于蚁群算法的负载均衡算法对信道进行筛选,最后利用最大离散化算法进行信道分配。在NS2平台下对所设计的协议进行了仿真实现,并与应用最为广泛的多信道MMAC协议以及SMAC进行了对比分析。根据仿真结果可知,本文设计的MAC协议在网络吞吐量、网络传输时延等性能方面比MMAC协议及SMAC都有了很大程度的提升。可以有效减小网络传输时延,提高网络吞吐量和抗干扰能力。

基于BP神经网络方法的引滦入津工程黎河段水质预测研究

根据引滦入津工程黎河段前毛庄断面水质监测数据,采用BP神经网络与非线性时间序列相结合的方法,建立BP网络非线性时间序列水质模型。应用该模型对氯化物和氨氮水质指标进行预测。结果表明,模型预测精度较好。通过预测结果验证了模型的可靠性。与机理性模型相比,提出了该模型的应用条件及优缺点。

基于三层委托代理模型及BP算法的国家科技计划项目风险评价

对国家科技计划项目中多个行为主体之间的多层委托代理关系结构进行了分析,提出了项目主体风险的概念,建立了基于三层委托代理模型的国家科技计划项目主体风险评价指标体系,并应用BP神经网络算法进行了实证分析.

基于纹理特征与BP神经网络的一类图像检索

1 引言随着网络通信及多媒体技术的发展,特别是因特网的广泛应用,图像作为一种越来越重要的信息载体得到了广泛的应用。融合图像理解技术,直接针对静止图像或视频帧的图像特征进行处理,在高度信息化的今天。

基于改进BP神经网络预测蛋白质二级结构

蛋白质结构预测在生物信息学研究中占有重要地位,而蛋白质二级结构预测是蛋白质结构预测的关键步骤。针对标准BP算法存在的缺点,讨论采用几种不同的改进BP神经网络来实现蛋白质二级结构的预测,运用MATLAB语言实现各种改进算法的初始化和训练。并分析比较了它们对蛋白质二级结构预测精度的影响。实验表明,遗传算法结合动量法与学习率自适应调整策略的BP算法可获得较高的预测精度。

利用基于气象因素的BP神经网络对污闪进行预测的探索

对绝缘子污闪的预测进行了研究。污闪的发生与当地的气象因素有密切的关系,结合当地的气象条件研究污闪的发生,建立当地的年度降水、积污期气温与污闪的BP神经网络,根据乌鲁木齐的气象特征与当地的污闪状况利用matlab软件进行了仿真,能够较好地预测次年的污闪发生情况,结果与实际情况比较符合。

基于BP神经网络的施工企业综合能力模糊评价

当前对于建筑施工企业综合能力评价过程中,在运用模糊综合评价法评价较多家施工企业时,存在计算繁琐和标准不统一的诸多弊端,而BP神经网络具有的"自组织、自学习、自适应、强泛化"优势恰可弥补模糊综合评价法逐一评价的劣势.采用模糊综合评判法为采样基础,用BP神经网络理论建立模型,采用单隐层神经结构训练网络,建立了口径一致、方便快捷而又准确度高的建筑施工企业综合能力评价系统并对相关企业作出了统一评价.

基于BP神经网络的三相电压源型逆变器开路故障诊断

为实现三相电压源型逆变器(three-phase voltage source inverter, TP-VSI)开路故障的诊断与精确定位,提高故障诊断效率,提出基于BP神经网络的TP-VSI开路故障诊断方法。首先,研究TP-VSI正常工作原理、开路故障机理,确定线电压作为检测量;其次,采用快速傅里叶变换(fast Fourier transform, FFT)提取不同故障下的特征值,构建故障特征向量;最后,建立一个3层BP神经网络,进行故障诊断,实现对开路故障的精确定位。该方法通过获取包含故障信息的故障特征值,经过FFT把时域信号变换到频域信号,再通过BP神经网络建立TP-VSI开路故障与特征值的一一对应关系。与其他智能诊断方法进行对比,证明了BP神经网络对TP-VSI开路故障诊断的可行性和较高的诊断准确度,实现了BP神经网络对TP-VSI开路故障的诊断与精确定位。

基于BP算法的泥沙含量预测研究

长江口北槽是长江的主航道,泥沙的淤积对航运和河道治理有着极为重要的影响。根据ADCP资料,应用BP算法对长江口的泥沙含量进行了研究,建立了泥沙含量预测模型并根据实测资料进行了验证,实现了根据ADCP资料推求泥沙含量,其结果满足精度要求。

回采工作面瓦斯涌出BP神经网络分源预测模型及应用

基于回采工作面瓦斯涌出分源涌出,利用人工神经网络分别预测开采煤层、邻近煤层、采空区3种来源的瓦斯涌出量;因3种来源瓦斯涌出量的影响因素不同,为了避免不相关因素的干扰,提高预测精度,确定整个预测体系由开采层、邻近层、采空区等3个瓦斯涌出量预测神经网络组成,对每个涌出源分别建立神经网络预测模型;最后采用Matlab中BP神经网络算法,针对实际矿井进行应用,预测误差小.

基于BP神经网络的2D70铝合金本构关系模型

利用Thermecmastor-Z型热加工模拟试验机对2D70铝合金进行等温恒应变速率压缩试验,获得了不同变形温度、不同应变速率和不同真应变下的流动应力数据。结合实验数据和神经网络知识,建立了具有BP算法的人工神经网络,训练结束后的神经网络即成为2D70铝合金的一个知识基的本构关系模型。误差分析表明,该神经网络本构关系模型具有较高的精度,可用于指导2D70铝合金热加工工艺的制定,并可用于2D70铝合金热变形过程的有限元模拟。

基于BP神经网络的民航安全预测方法研究

为了对民航系统安全运行状态进行科学的分析和预测,针对反映民航系统安全运行状态的重要指标之一——飞行事故万时率,采用BP神经网络的时间序列非线性预测模型及方法,对其进行了分析研究和仿真验证,计算结果表明,该预测方法是可行的,并与实际具有较好的一致性。

PCA-BP在回采工作面瓦斯涌出量预测中的应用

为对回采工作面瓦斯涌出量进行准确预测,运用主成分回归分析以及BP神经网络原理和方法,结合现场实测数据,采用多元统计分析软件SPSS处理相关数据,研究影响回采工作面瓦斯涌出量各因素间的相关关系并提取主成分,以确定BP神经网络中的输入参数,建立BP神经网络进行预测.利用PCA-BP神经网络方法建立瓦斯涌出量预测模型.研究结果表明:采用PCA-BP神经网络方法的预测值与实际值最大相对误差为2.820%,最小相对误差为2.036%,平均相对误差为2.357%,较其他预测模型有更高精度.对降低事故发生率和矿井延深水平的回采工作面瓦斯涌出量预测具有较好的指导作用.

基于BP和RBF神经网络压气机特性曲线拟合方法的研究

分析了BP神经网络和RBF神经网络的网络模型。分别利用这两种网络对某型轴流式压气机进行特性曲线拟合,得出了这两种网络在压气机特性拟合方面的不同之处,为利用神经网络进行压气机特性拟合提供了新的思路。