基于图像处理和BP神经网络的森林防火无人机系统

对无人机设计方案、图像处理和火焰分割算法的技术原理进行了介绍,并利用BP神经网络对图像中的火焰面积变化率和火焰尖角等特征进行识别,实现了对森林火灾的快速监测。实验结果表明:系统的准确率为98.5%,比普通神经网络的84.5%更高;耗时仅22 s,比普通神经网络159 s缩短很多。这表明,BP神经网络是更可靠且更有效率的火灾识别方案。

基于改进BP神经网络的连铸漏钢预报

针对传统BP神经网络在训练过程中存在收敛速度慢的缺陷,将LM(levenberg marquardt)算法引入到BP神经网络的训练过程,建立了LM-BP神经网络模型,并将其应用于连铸过程中的漏钢预报系统。结合某钢厂连铸现场历史数据对系统进行了测试,测试结果以96.15%的预报率及100%的报出率,验证了基于LM算法的BP神经网络连铸漏钢预报方案的可行性和有效性。

BP网络在漏钢模式识别中的应用研究

介绍了连铸结晶器中常见的四种温度模式 ,设计了几种漏钢预报神经元网络模型 ,并进行了训练和测试 ,对

基于PSO-BP神经网络的连铸漏钢预报

针对传统BP神经网络在训练过程中存在收敛速度慢、易陷入局部最优解的缺陷,将基于群体智能的全局寻优算法-粒子群优化算法引入到BP神经网络的训练过程,建立了PSO-BP神经网络漏钢预报模型;结合某钢厂连铸现场历史数据,分别对PSO-BP漏钢预报模型和BP网络预报模型进行了训练和测试;结果表明,PSO-BP漏钢预报的收敛速度较传统BP神经网络明显加快,其泛化能力和对漏钢温度特征的识别精度也有了较大提高。

基于遗传算法优化BP神经网络漏钢预报的研究

针对BP神经网络在训练过程中存在局部最优解和收敛速度慢的不足,将具有良好全局搜索能力的遗传算法应用到BP神经网络的训练过程,建立了GA-BP神经网络模型,并将其应用到板坯连铸漏钢预报系统中;结合某钢厂板坯连铸现场历史数据对该模型进行了测试,测试结果以97.56%的预报率及100%的报出率证明了GA-BP神经网络漏钢预报方案的可行性。

基于粒子群算法优化BP神经网络漏钢预报的研究

针对标准BP神经网络中收敛速度慢以及易陷入局部最优解等问题,利用粒子群算法的全局搜索性,将粒子群算法应用到BP神经网络训练中建立了PSO-BP神经网络模型,结果表明改进模型不仅可以克服传统BP网络收敛速度慢和易陷入局部权值的局限问题,而且很大程度地提高了结果精度和BP网络学习能力,将此模型应用到结晶器漏钢预报系统中,并用某钢厂采集到的历史数据对该模型进行训练与测试,与标准BP神经网络测试结果进行分析与比较,实验表明PSO-BP网络模型预报更加实时、准确,具有很好的应用前景。

基于BP神经网络的对虾病害防治专家系统

针对中国对虾养殖产业遭受病害重创的情况,为解决基层相关技术人员短缺以及病害诊断准确率低的问题,结合神经网络专家系统在疾病诊断领域的应用,采用ASP.NET技术和B/S三层架构思想,设计并建立了基于BP神经网络的对虾病害诊断与防治专家系统。该系统是虾蟹养殖专家系统中的一个子系统,有效地解决了传统专家系统获取知识困难、自学习能力差和推理能力弱等问题,实现了对虾养殖的咨询、病害诊断与防治等功能,界面友好,操作简单实用,维护方便,具有一定的现实意义和推广价值。

基于BP神经网络的电网安全性预警系统研发

对紧急情况下的电力系统做到快速预警且提供相应的应急预案,是一个急需解决的重要课题。从电力系统防灾容灾预警机制出发,针对电网故障的时空分布特性,采用BP神经网络对其安全隐患进行识别,构建了基于季节气候、地形地貌及自然灾害等影响电力系统安全状态的预警系统,并通过吉林电网常见故障对该系统的实用性进行了有效验证。

基于粒子群优化BP神经网络的台风灾损预测模型研究

在对浙江省台风灾情实际情况研究的基础上,选择台风路径预报平均误差、预警能力指数等16个因子作为输入量,用粒子群算法(PSO)对BP神经网络的参数进行优化,以避免陷入局部极小和初始参数的抉择问题,提高模型的精度和收敛速度,从而建立了PSO-BP模型,并将模型应用于浙江台风灾情的预测。最后,对PSO-BP网络模型与普通BP模型的台风灾情预测训练效果进行对比,使用三个台风数据测试已训练好的网络,模型的预测结果显示,PSO-BP算法相较于BP算法有更高的精度,能较好的反应历年台风灾情的基本趋势。

薄板连铸GA-LM-BP漏钢预报模型研究

针对传统BP神经网络在训练过程中存在收敛速度慢、易陷入局部最优解的缺陷,将遗传算法全局寻优能力与LM算法的局部寻优能力引入到BP神经网络训练过程,建立了GA-LM-BP神经网络漏钢预报模型;结合某钢厂连铸现场历史数据,对该预报模型进行了训练和测试。结果表明,GA-LM-BP漏钢预报的收敛速度较传统BP神经网络明显加快,其泛化能力和对漏钢温度特征的识别精度也有了较大提高。

BP神经网络在郑州市旱灾预测中的应用及防灾减灾对策

旱灾作为普遍性的自然灾害,已经严重影响到了我国的工农业生产、城市供水和生态环境。选取郑州市作为研究区,建立BP神经网络预测模型,预测郑州市未来10a的降水量,并采用Z指数法分析历年旱灾情况。研究结果表明,BP网络应用于降水量预测是合理可行的,采用Z指数法能很好地反应旱灾情况,该模型对预测郑州旱灾发生情况具有重要参考价值。最后,根据研究结果提出了郑州市防灾减灾的对策。

基于BP神经网络的甘肃地质灾害防治产业化预测

本文运用BP神经网络模型,选取甘肃46家地质灾害防治企业作为样本,研究该模型在地质灾害防治产业化预测中的适用性,并在此基础上预测了甘肃地质灾害防治产业化水平,以期对今后该产业的发展和政策制定提供依据。

“一带一路”沿线国家社会风险——基于BP神经网络的实证分析

中国与“一带一路”沿线国家的区域合作正在不断深化,对沿线国家的投资力度也在不断增强。但中国在政治制度、社会发展、文化传承上与“一带一路”沿线国家并不相同,“一带一路”沿线国家的国别间社会风险敞口也不同。利用大数据分析技术中的机器学习方法,构建基于“一带一路”沿线国家社会风险的BP神经网络,相对准确地测度了“一带一路”沿线国家的社会风险水平。通过对数据相对完整的50个沿线国家2010—2017年的风险数据进行评估后发现:在进行测度的“一带一路”沿线国家中,大部分国家的社会风险属于偏高风险等级,占比为46.0%;仅有东欧地区部分国家以及东亚、东南亚及大洋洲区域内的少数国家的社会风险属于低风险等级;即使处于同一地理区域内的国家的社会风险等级也呈现出明显的国别差异。

基于BP神经网络的天津市PM_(2.5)浓度预测研究

根据天津市2013年12月1日—2013年12月24日气象监测数据,先进行温度、湿度、风力因素对PM2.5浓度影响的相关性分析及定性分析,绘制温度、湿度和PM2.5浓度的二维趋势分布图及气体扩散风向浓度分布图;再运用BP神经网络模型对天津市2013年12月25日—2014年1月9日PM2.5浓度进行仿真预测,最终得到精确预测值。结果表明:温度及风速因素与PM2.5的浓度成反比,湿度因素与PM2.5的浓度成正比,而且通过BP神经网络模型对于"离散样本"、"气象参数不确定性"的实际天气情况可以得到较高的预测精度。

基于BP神经网络的医疗设备精准预防性维护

目的:针对当前医疗设备预防性维护(preventive maintenance,PM)中存在的问题,基于误差反向传播(back propagation,BP)神经网络实现医疗设备精准PM。方法:以医疗设备的运行数据、仪器使用率、工作时长、历史维护情况等作为输入数据,建立3层的BP神经网络,以BP神经网络经过训练得出的连接权值系数作为决策模型,预测医疗设备的维护期限、维护部件及维护项目。结果:可以预测出医疗设备的维护期限、维护部件及维护项目等,实现了医疗设备精准PM。结论:BP神经网络可以根据医疗设备运行参数及信息化平台上的数据学习决策,提高医疗设备PM的精准度,从而预防在诊断或治疗过程中因医疗设备故障带来的不良事件。

基于BP神经网络在森林防火专家系统不确定推理中的应用研究

提出将改进的BP神经网络应用于森林防火专家系统的不确定性推理中,其良好的自学习和泛化能力,可以解决基于可信度规则的知识表示在实际应用中导致的规则激增,推理速度缓慢的问题。该方法将不确定的知识用可信度区间表示,通过知识编码,设计并训练BP网络,最后用MATLAB进行仿真。实验结果表明:BP神经网络可以自动学习专家的典型经验,并且能将之准确的推广,隐含层神经元个数的确定和典型样本的选取决定了准确精度。在实际的专家系统不确定推理应用中具有应用价值。

基于BP神经网络的道路预防性养护决策研究

吉林的夏季炎热,冬季严寒的气候条件对于具有温敏性的沥青路面极为不利。此区域沥青路面病害类型丰富、发生很早且发育很快,因此,投入到沥青路面养护维修中的经费数额巨大。采取预防性养护措施防患于未然是解决上述问题的“钥匙”。传统的人工养护方法决策过程效率较低且受工作人员主观因素影响较大。在对季冻区沥青路面病害综合调查基础上,对其进行量化并建立“病害库”,同时,结合季冻区养护规范建立沥青路面“预防性养护措施库”,采用MATLAB工具箱中的BP神经网络实现对病害的分类分级,并以此将“病害库”与“养护措施”进行样本训练学习,建立对应各种类各程度道路病害的预防性养护模型。

基于PSO-BP-DEMETEL模型的煤矿瓦斯爆炸风险因素分析

为了系统分析瓦斯爆炸风险因素,促进煤矿安全高效生产,基于人为因素、环境条件、生产设施和管理组织4个维度构建煤矿瓦斯爆炸风险因素指标体系,利用粒子群优化算法优化BP神经网络得到风险因素间的直接关联矩阵,进而使用DEMATEL方法计算影响度、被影响度、中心度和原因度,分析得出强驱动型风险因素和驱动型风险因素,并利用熵权法计算各风险因素综合重要度,根据排序结果得到影响煤矿瓦斯爆炸的关键风险因素。结果表明:安全教育培训与执行、安全管理组织机构、安全管理文化氛围、员工安全意识、安全科技与投入是瓦斯爆炸灾害风险防范的关键所在。

基于BP神经网络的机车车辆智能火灾防控系统设计

设计了一种分布式模块化机车车辆智能火灾防控系统,该系统由车载主处理器、多个车载现场处理器、多个传感器和多个执行器构成,各控制单元可根据各种机车车辆车型灵活配置。车载主处理器通过BP人工神经网络算法实现对火警的智能识别,可根据环境因素调节火警判断时的相关参数,适用性强,有效提高火灾防控的准确性,进而更好地保障机车车辆的运行安全。

基于BP神经网络和决策树的梅毒早期预警指标的模型构建

目的探讨BP神经网络(back propagation neural network,BPNN)模型和决策树(decision tree,DT)模型在梅毒早期预警指标上的研究,并进行了合理的验证分析。方法首先收集348例梅毒病例资料,一期38例,二期43例,隐形梅毒267例,其中一期38例中:男24例,女14例;二期43例中:男23例,女20例;隐形病例中:男88例,女179例。然后利用SPSS软件进行logistic回归分析筛选出早期预警指标中具有重要意义的变量。最后通过建立BP神经网络和决策树模型,对梅毒早期预警指标进行分析研究。结果在训练样本和测试样本中,BP神经网络模型预测正确率(96.27%,94.35%)、敏感度(0.986,0.912)、约登指数(0.857,0.843)与受试者工作特征(receiver operating characteristic,ROC)曲线下面积(0.994、0.967)均高于决策树模型。梅毒早期预警指标重要性依次为:男性:最近是否与暗娼发生性行为、最近是否与临时性伴侣发生性行为、与同性发生肛交行为。女性性工作者:场所档次偏低、文化程度偏低、艾滋病知识匮乏。结论BP神经网络模型的预测能力优于决策树算法模型,可作为梅毒的公共预防的参考依据。