二阶反向传播神经网络的超松驰训练方法及其应用

提出二阶反向传播神经网络的超松驰训练方法,证明了该算法的收敛性.将该网络及其新的训练方法用于非线性系统的自适应控制中,能够更有效、更快速地跟踪系统的参考输出.数值实验结果显示超松驰训练方法优于直接梯度优化算法,而且基于二阶反向传播神经网络的直接自适应控制效果更好.

误差反传播神经网络法地震反演

针对测井资料约束下的地震反演具体问题，在假定反演目标和地震资料之间存在某种非线性映射的情况下，用神经网络逼近反演问题中的正演和反演过程，综合构成一个大网络系统，并根据地震反演的具体问题，给出该系统的能量函数．系统采用误差反传播法进行学习，从而实现用神经网络自适应地外推测井资料，有机地将神经网络与地震反演结合起来．对实际资料的测井速度外推结果表明，此法具有好的应用前景．

基于二阶粒子群算法优化的神经网络再制造工件疲劳寿命预测

再制造工件多元异质材料特性及工艺参数对疲劳寿命的影响,使得传统的疲劳寿命计算方法无法适用于再制造工件,针对此问题建立了再制造工件疲劳损伤预测修正模型,并通过疲劳试验分析了不同熔覆厚度和宽度条件下对试件疲劳强度和可靠性寿命的影响,同时获取了寿命预测修正系数;进而采用二阶粒子群算法优化的反向传播(back propagation, BP)神经网络,构建了材料性能参数、应力水平及再制造工艺影响因素与疲劳寿命之间的关系模型,针对再制造工件进行寿命预测。结果表明,神经网络的预测结果与试验数据相符,优于数值计算预测模型,为实现再制造工件的疲劳寿命预测提供了一种新的方法和手段。

基于神经网络的二元混合液体自燃温度预测

自燃温度(Auto-Ignition Temperature,AIT)是防火防爆安全设计的关键临界参数之一。为解决目前多数采用试验方法测量混合物AIT费时费力且有一定危险性的问题,运用定量结构性质关系方法,使用反向传播神经网络(Back Propagation Neural Network,BPNN)和一维卷积神经网络(one-Dimensional Convolutional Neural Network,1DCNN)技术建立二元混合液体AIT预测模型。以二元混合液体的分子描述符为输入、试验测得的AIT为输出,经多种方法对模型的拟合性、稳定性和预测能力评价验证。结果表明,BPNN模型和1DCNN模型均有良好的预测能力,其均方根误差分别为4.780℃和9.603℃,拟合度与5折交叉验证拟合度差值分别为0.058和0.040,表明BPNN模型有更好的拟合能力,1DCNN模型有良好的稳定性。

BP神经网络模型的电离层预报精度评估

针对电离层电子总含量(total electron content,TEC)时间序列高噪声、非线性和非平稳的动态序列的特点,基于反向传播神经网络(back propagation neural network,BPNN)模型对欧洲定轨中心(Centre for Orbit Determination in Europe,CODE)提供的电离层格网(global ionosphere maps,GIM)数据产品中低纬度、中纬度、高经纬格网点TEC数据和对应的时间点、经纬度、太阳射电通量F10.7数据、赤道地磁活动指数Dst、全球地磁活动指数Kp数据进行样本训练并进行电离层预报.结果表明:基于BPNN模型能够较好地预报低纬度、中纬度和高纬度电离层TEC数值,平均相对精度分别到达了90.5%、88.7%、85.35%,残差均值分别为1.505 TECU、1.595 TECU、1.885 TECU,平均均方根误差(root mean square error,RMSE)值分别为1.94 TECU、2.13 TECU、3.08 TECU.

扩底桩竖向极限承载力的人工神经网络预测

建立了一个预测扩底桩单桩竖向极限承载力的BP神经网络模型。该模型以桩长、桩径、扩底高度、扩底直径以及桩周土体参数为输入层神经元，经过30个扩底桩资料的训练，并以另外9根桩对网络进行检验。预测结果与实测结果较为吻合，表明BP神经网络在扩底桩单桩竖向极限承载力预测方面是有效的。

基于神经网络的二阶波-流和结构物相互作用

基于时域二阶势流理论,对位于均匀流中的水平半圆柱体在水面上的二阶波绕射问题进行了计算,得到了自由表面波时间历程、圆柱所受到的水动力时间历程及相应的一、二阶波和水动力幅值,并以此作为神经网络的训练样本,采用LM-BP神经网络来预测任意参数(波浪频率或波数、流速或傅汝德数)组合下波浪和水动力幅值或峰值及其时间历程,可以快速地获得精度较高的计算结果.研究结果表明:对于样本数较小的一阶、二阶波浪和水动力幅值预测,可以采用单个隐含层及较少的神经元数或节点数即可获得较高精度的预测结果;而对于样本数很大的波浪和水动力时间历程预测,需要至少2个隐含层及较多的节点数才能获得较满意的结果.

基于PSO-LSSVM-BP模型的高边坡力学参数反分析及稳定性评价

基于粒子群优化(PSO)算法和最小二乘支持向量机(LSSVM)算法构建非线性映射关系,结合反向传播(BP)神经网络对非线性映射关系生成的数据库进行机器学习,构建了PSO-LSSVM-BP模型确定最优岩体力学参数。PSO-LSSVM-BP模型以高边坡监测位移数据作为输入信息,通过反分析获得高边坡岩体力学参数,将反分析参数用于FLAC3D位移数值计算,结果表明模拟结果与监测数据吻合较好,验证了该模型的可行性和有效性。基于PSO-LSSVM-BP模型,对不同蓄水位下两河口水电站进水口高边坡稳定性进行了评价,发现水位是影响边坡稳定性的主要因素,随着水位上升,边坡位移逐渐增大,其表面和断层处损伤程度加深,边坡局部点安全系数有所下降,但整体点安全系数均大于1.30,有一定安全裕度。

基于灰色理论和GA-BP的拉延筋参数反求

采用灰色关联分析对影响拉延筋阻力的因子进行分析,获得主要的影响因子。利用拉丁超立方试验设计方法对主要因子进行取样,利用DYNAFORM软件对方盒件成形进行仿真,得到样本数据。以成形件中的减薄、增厚和主应变为输入,以拉延筋几何参数为输出,建立拉延筋参数的反求模型。利用遗传算法优化反向传播(Back propagation,BP)网络权值,通过与单纯使用BP进行映射得出的几何参数预测值进行比较,该模型的精度得到很大提高,表明基于遗传算法(Genetic algorithm,GA)优化的BP神经网络的模型能极大提高预测能力。基于GA-BP模型,以拉延筋几何参数为输入,增厚为输出目标,利用训练好的优化权值,获得拉延筋几何参数与成形件增厚的非线性映射关系式,并再次利用遗传算法对其优化,获得最佳的拉延筋几何参数。通过比较优化前后的数值仿真结果,优化后的拉延筋能极大地提高板料成形性能。

多层厚度电涡流检测反演算法及实验研究

介绍了有限截面线圈置于多层结构上方的阻抗变化数学模型,研究了根据检测电压变化值反演厚度的3种算法模型:最小二乘数值优化逼近、反向传播神经网络及径向基函数网络模型,结合1个两层厚度检测的例子进行了比较分析,指出BP神经网络模型在多层厚度反演中具有良好的稳健性。

基于两层POD和BPNN的翼型反设计方法

翼型优化过程需要大量的CFD分析,计算量大、耗时长。本文发展基于本征正交分解(POD)和反向传播神经网络(BPNN)的翼型反设计方法,该方法的优化过程如下:首先,通过Hicks-Henne参数化,在设计空间中构造翼型外形的样本库,并利用Xfoil/Fluent对样本翼型的流场进行求解;然后,对翼面压力系数和几何外形分别建立POD模型,即两层POD模型,并得到对应的基模态系数;最后,使用BPNN建立从压力系数的基模态系数到几何外形的基模态系数的映射,实现在给定压力系数下对几何外形的快速预测。通过算例分析,结果表明:在亚/跨声速状态,基于200个样本训练所得的两层POD+BPNN模型可以实现对具有目标压力系数分布的翼型的预测,其精度满足翼型反设计要求。

融合小波包和神经网络的脑电信号处理方法

针对运动想象脑电信号处理中分类准确率较低的问题,提出了一种基于能量(二阶矩)小波包变换和莱文伯格-马夸特神经网络算法相结合的运动想象脑电信号处理方法.首先,利用能量方法对信号进行时域分析,选取有效的时序段;然后,使用小波包变换对所选有效时域段的各导信号进行时频分解,选取与想象任务相关的频段信息重构脑电信号特征;最后,将各导信号重构的特征串接,导入基于莱文伯格-马夸特训练算法的神经网络实现最终的任务分类.利用2个脑电信号标准竞赛数据库进行方法验证,分别取得了95.62%和90.13%的分类准确率.与近期的一些研究成果进行对比,可知该方法具有较好的分类效果.

大规模风电并网电力系统经济调度中风电场出力的短期预测模型

考虑到大规模风电并网电力系统经济调度中,对风电场出力的短期预测在时间尺度和精度尺度方面的要求,以传统的反传播神经网络(back propagation artificial neural network,BP-ANN)作为预测手段的基础,建立了风电场短期出力预预测模型。考虑到历史的预测误差与未来预测误差间的映射关系,利用传统的BP-ANN预测技术对未来的预测误差进行预测。通过算例仿真发现,误差预测变化趋势能跟踪预预测的误差变化,基于此并考虑到经济调度对风电场出力预测精度的要求,建立了对风电场出力短期预预测进行修正的风电场出力短期预测模型,进一步的算例仿真表明了该模型的有效性。

光通信 光传输、通信理论

TN911 2005032178 二阶孤子间相互作用引起孤子衰变=Solicon decay in- duced by interaction between two neighboring second-order solitons[刊,中]／苗润才(陕西师范大学物理学与信息技术 学院．陕西,西安(710062)),王飞…∥光于学报．-2004, 33(8).-927-930 对于二阶孤子脉冲对,通过数值求解非线性 Schrodinger方程,得到了二阶孤子在光纤中传输时的衰变 规律。由于脉冲之间的相互作用。