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。

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。

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。

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。

基于LS-SVR、BP-ANN和MLR模型的PM_(10)浓度预测

利用宁东能源化工基地PM10和气象监测数据,分别采用LS-SVR、BP-ANN和传统MLR模型预测PM10浓度变化。结果表明,较BP-ANN模型、MLR模型,LS-SVR模型能更好地刻画PM10浓度与各气象因素间的非线性相依关系,更准确地预测PM10浓度。

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。

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。

激光诱导击穿光谱结合GA-BP-ANN检测炉渣中Ca

以激光诱导击穿光谱技术为基础,通过击穿炉渣中等离子体来获取炉渣光谱图,将遗传算法与BP神经网络进行结合,通过遗传算法对神经网络的权值和阈值进行优化建立基于遗传神经网络模型,对炉渣元素光谱图中的Ca元素含量进行定量检测,测得5种Ca元素#1、#2、#3、#4、#5的质量分数为29.4%、40.37%、37.13%、43.88%、38.68%,并计算检验样本相对误差分别为4.7%、5.2%、5.8%、4.1%、3.3%,相对误差均在6%以下,检测精度明显优于BP-ANN方法和光谱分析中常用的自由定标法,表明基于遗传神经网络对炉渣进行定量分析具有更好的检测效果。

iPLS结合BP-ANN的喷气燃料初馏点近红外分析模型研究

针对喷气燃料初馏点性质测试的近红外光谱干扰多、信息提取困难,定量分析模型预测准确度较低的问题,在1100~2500 nm的长波近红外光谱范围内采用间隔偏最小二乘法对建模区间进行优选,通过误差反向传播神经网络(BP-ANN)算法取代偏最小二乘法建立定量分析模型。结果表明:在区间1650~1705 nm建立初馏点的BP-ANN定量分析模型并预测验证集样本初馏点,预测决定系数(R2)为0.9361,验证标准偏差(SEV)为1.0726℃,预测准确度均优于全谱区及iPLS方法选择区间建立的PLS模型。

基于修正JC模型和BP-ANN算法预测HNi55-7-4-2合金高温流变行为的对比

采用Gleeble-3500型热模拟试验机,分别在变形温度为873,923,973,1023,1073 K,应变速率为0.01,0.1,1,10 s^(-1)条件下对HNi55-7-4-2合金进行等温热压缩试验,研究了该合金的高温流变行为;基于试验数据,分别采用修正Johnson-Cook(M-JC)模型和反向传播人工神经网络(BP-ANN)算法构建本构模型,对比分析这2个模型的预测精度。结果表明:HNi55-7-4-2合金的流变应力随着应变速率的增加而增大,随着变形温度的升高而降低。基于M-JC模型和BP-ANN算法建立的本构模型预测得到真应力与试验结果间的平均相对误差绝对值分别为14.63%%,0.35%%,相关系数分别为0.9787,0.9999;基于BP-ANN算法的本构模型的预测精度更高,可以较好地描述H Ni55-7-4-2合金的高温流变行为。

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。

双脉冲激光诱导光谱结合多变量GA-BP-ANN检测合金钢中C元素

在合金钢众多成分中碳(C)属于微量非金属元素,其含量决定了合金钢的主要力学性能,准确、实时掌握C元素的含量,对合金钢的生产及分类起到关键作用。双脉冲激光诱导击穿光谱(DP-LIBS)是一种可用于在线快速分析合金钢中元素的有效手段,不仅具有实时、样品预处理简单等优点,还能够增强物质的烧蚀度和信号强度,从而提高LIBS技术的检测灵敏度。为了减小基体效应影响,进一步提高LIBS技术对合金钢中微量C元素定量分析的精确性,采用多元素多谱线的修正方法,通过DP-LIBS结合反向传播人工神经网络(BP-ANN),建立多变量GA-BP-ANN定标法。首先在氩气环境对合金钢样品进行DP-LIBS采集,目标C元素选择了谱线强度变化能够体现其含量变化的C 193.09 nm处的原子谱线,同时选取共存元素Fe,Cr,Mn和Si对应的特征谱线,以提供更多的光谱信息,提高C元素定量分析的准确度,共选择15条特征分析谱线,其中Fe元素含量丰富且相对稳定,作为内标元素引入以减小谱线波动;之后通过遗传算法(GA)寻优,对C/Fe,Cr/Fe,Mn/Fe和Si/Fe的谱线强度比进行优化选择;最后将GA选择的多谱线强度比作为BP-ANN网络的输入,输出为目标C元素浓度值,建立多变量GA-BP-ANN定标方法。为比较该方法预测结果的精确性,同时建立传统定标曲线法与以C/Fe为输入的单变量BP-ANN定标方法。利用标准合金钢样品,通过留一法交叉预测C元素含量值,与内标法和单变量BP-ANN定标方法相比,预测样品的平均相对误差分别由14.78%和14.75%减小到8.29%,预测值与真实值之间的决定系数R^(2)分别由0.9674和0.9744提升至0.9893。结果说明了多变量GA-BP-ANN定标法预测的C元素含量更接近于真实含量,证明了该方法用于LIBS检测合金钢中C元素含量的可行性。

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。

BP-ANN模型在井灌水稻区地下水埋深预测中的应用

利用改进的BP算法,对三江平原创业农场井灌水稻区月平均地下水埋深进行了模拟仿真,网络拟合精度与预测精度均达到满意效果。BP-ANN模型为节约地下水开采量,恢复该地区的地下水动态平衡、制订农作物优化灌溉制度,促进农业及水资源的可持续发展提供参考作用。

基于BP-ANN模型的西藏自治区建设用地节约集约利用评价模式研究

为更好的落实严控增量、盘活存量、优化结构、提高效率的建设用地管理要求,全面、系统、动态的掌握西藏自治区建设用地节约集约利用整体情况,促进区域建设用地利用效率和效率提升。文章利用MatlabR2018软件训练测验的BP-ANN模型,对西藏自治区2019年建设用地节约集约利用状况进行评价,并分析其空间相关性与影响因素。通过文章研究发现:经训练后的BP-ANN模型精度与可信度均较高;西藏自治区建设用地节约集约利用状况呈现较大空间差异性,空间上呈现正自相关和区域分异的特点;建设用地增长及消耗等指标对节约集约利用状况影响最大,生态环境要素在其中同样发挥关键作用。