遗传神经网络-分光光度法同时测定钨钼钛

建立了钨、钼、钛-5′-硝基水杨基荧光酮-CTMAB的同时测定新显色体系,用遗传神经网络解析钨、钼和钛的重叠光谱,分光光度法同时测定钨、钼、钛。在遗传神经网络中构造三组分解析的适应度函数,用作图法最后确定交叉概率和变异概率,并将遗传神经网络与小波神经网络的解析结果进行比较,表明遗传神经网络优于后者。将所建立的方法用于标准钢样中钨、钼、钛的测定,相对误差分别为1.83%,-0.09%和-1.92%。

利用遗传算法优化的ARIMA-BP组合模型预测手足口病发病趋势

目的 探讨ARIMA模型及遗传算法优化的ARIMA-BP神经网络组合模型在传染病预测与预警中的应用,为相关部门制定防治措施提供参考. 方法 选择某市2009～ 2013年的手足口病发病数作为研究对象,首先建立ARIMA模型,得到的拟合值作为神经网络输入值,真实观测值作为输出值,带入通过遗传算法优化的BP神经网络中训练,并比较两种模型的预测精度. 结果 对建立的ARIMA（1,0,0）（1,1,0）12模型预测的相对误差为39.89％,决定系数为0.786,经统计检验残差为白噪声序列;组合模型预测的相对误差为26.25％,决定系数为0.852. 结论 该组合模型的预测精度高于ARIMA模型,且对于极值的预测较为精确,可以为其他传染病的预测及建立统计预警提供参考.

基于遗传优化神经网络的故障诊断研究

针对BP神经网络具有收敛速度慢、易陷入局部极小的缺点,利用具有全局搜索能力的遗传算法来优化BP神经网络的权值和阈值,并用遗传优化BP网络实现故障诊断。基于MATLAB实现该算法,仿真实验表明,该算法具有明显的优越性,可以避免BP算法的不足,极大地提高了网络的学习性能,具有一定的实用性。

遗传算法优化真菌深层培养过程神经网络模型的研究

提出一种简易的真菌深层培养过程网络模型。输入变量为可在线测量的排气中的二氧化碳浓度,网络权数采用遗传算法进行优化训练。所获神经网络模型能准确预测培养过程的状态变量(生物量浓度,产物浓度等)。研究表明遗传算法训练此类神经网络系统是可行的。

基于GA-BP网络的浆体水平管道输送系统摩阻损失的预测

介绍了遗传算法的基本思想和操作原理,重点分析了遗传算法对神经网络的网络权和阈值的优化,将遗传算法与神经网络相结合应用于浆体水平管道阻力特性的研究中,对管道内浆体摩阻损失进行拟合和预测,结果表明,预测浆体摩阻损失与实测浆体摩阻损失相吻合。