基于人工神经网络的沿海地区底泥盐度计算模型

底泥盐度与海洋科学、河口研究、环境管理等密切相关,现有的底泥盐度计算公式存在精度不足、适用性有限等问题。为此,开展了271组室内试验和10组户外试验,整合了其他学者的研究数据,以底泥电导率、泥沙浓度、温度和细颗粒表面系数为模型输入变量,分别建立了用于计算沿海地区底泥盐度的反向传播人工神经网络(BP-ANN)模型、粒子群优化的反向传播人工神经网络(PSO-BP-ANN)模型、结合遗传算法的反向传播人工神经网络(GA-BP-ANN)模型。与现有的底泥盐度计算公式相比,新建模型的精度更高,可为沿海地区底泥盐度的确定提供更多可供选择的预测方法。

辽宁省人口老龄化趋势预测——基于超参数优化的人工神经网络模型

为积极应对人口老龄化,依据辽宁省第七次全国人口普查数据,分析了人口老龄化的发展现状和特征。基于人工神经网络模型对辽宁省2022-2035年未来的65周岁以上人口所占比重发展趋势进行了预测分析,结果表明:选用5层神经网络结构模型,每层神经元数量为23,学习率为0.09462,训练得到的相对误差最小为0.0205。预测到2025年、2030年、2035年辽宁省65周岁及以上老年人口所占比重为21.23%、23.01%、23.77%,呈现稳定增长的趋势,老年人口规模不断增加,老龄化程度持续加深。根据模型的预测结果分析,提出了相应的对策建议:即发展老龄产业为老年人口服务;建立和完善以“社区为依托、养老机构为支撑、家庭为核心”的养老服务体系;开发利用老年人力资源,使之老有所用、老有所为。

岩爆预测的人工神经网络模型

选取岩石抗压强度、抗拉强度、弹性能量指数和洞壁最大切向应力作为岩爆预测的评判指标 ,建立了岩爆预测的神经网络模型 ,对岩爆的发生及其烈度进行预测。实例计算表明 。

人工神经网络模型用于分析气候因素对白纹伊蚊密度影响的初步探讨

目的建立人工神经网络预测模型,分析气候因素对白纹伊蚊密度的影响。方法利用Matlab7.0软件中的神经网络模块,用广州市1995～2001年各月的平均气压、平均气温、平均相对湿度、平均绝对湿度、平均蒸发量、平均降雨量、日照时间、平均风速等气候数据与白纹伊蚊等级数据建立误差反向传播网络预测模型,并对模型进行验证。结果神经网络经25次学习和训练,误差从0.305539下降至2.93751×10-14,通过建立的基于气候因素的神经网络模型对白纹伊蚊密度进行预测,其预测符合率为80%。结论基于气候因素的人工神经网络方法用于预测登革热媒介白纹伊蚊密度是可行的。

利用人工神经网络模型判定膨胀土等级

膨胀土是一种吸水后体积产生膨胀 ,失水后体积产生干缩 ,对铁路工程极其有害的土质 ,而其胀缩等级的划分是一个典型的不确定性问题。应用神经网络的联想记忆功能 ,以膨胀土胀缩等级划分标准中三个类别作为训练标本 ,建立膨胀土胀缩等级与分级指标之间的对应关系的BP判定模型 ,以对膨胀土胀缩等级进行划分 ,并结合具体工程进行了应用。应用表明 ,神经网络方法与模糊综合评判法膨胀土胀缩等级判定结果一致 ,神经网络具有在膨胀土胀缩等级判定问题上的可靠和从训练模型中获得划分知识的能力。

改进的人工神经网络水文预报模型及应用

在人工神经网络水文模型的研究中,往往加入前期径流以提高模型的预报精度.针对由此带来的问题,通过耦合总径流线性响应模型,建立一种基于人工神经网络的实时预报模型.通过引入总径流线性响应模型的模拟径流作为模型输入,模型的模拟模式能够提供较长的预见期,同时加入误差校正模型的实时预报模式也能够取得较高的模型精度.采用3个不同流域的流量资料对模型进行率定与校核.结果表明,模型能够取得较高的预报精度,显示了良好的适用性.

人工神经网络模型在太湖富营养化评价中的应用

根据湖泊富营养化程度影响因素多,评价因素与富营养化等级之间关系复杂且是非线性的特点,研制了一个能自动对湖泊富营养化程度做出正确评价的BP人工神经网络模型,并在太湖富营养化评价中得到了应用.结果表明:只要把观测数据提供给网络,借助计算机就可获得能客观地反映水质富营养化状况的评价结果;对于富营养化标准样本,一旦训练完毕,只需通过简单的加法和乘法运算,就可对湖泊水质富营养化程度进行评价.

BP人工神经网络模型在太湖水污染指标预测中的应用

【目的】利用BP人工神经网络模型预测太湖水污染指标,为探讨湖泊水污染物变化规律提供参考。【方法】利用2004～2010年浙江嘉兴王江泾断面自动监测站4项水质指标,建立了太湖水污染BP人工神经网络模型,并对太湖2012年前5周的水质情况进行预测。【结果】建立了浙江嘉兴王江泾断面的4项水质指标浓度的三层BP神经网络预测模型,其预测精度较高,对湖泊水环境污染物预测的适应性较好;对太湖2012年前5周的水质情况进行预测,结果表明,2012年前5周水质污染情况加重,基本为Ⅴ类水质,符合太湖水质污染情况发展态势。【结论】BP人工神经网络具有很强的非线性映射能力和柔性的网络结构,与传统的统计建模方法相比,其预测精度较高,能较好地反映水质指标的内在变化规律,为控制水环境污染提供了科学预测方法。

利用人工神经网络模型预测SS400热轧板带力学性能

针对传统的回归方法的某些不足 ,采用了人工神经网络的方法预测力学性能。从宝钢 2 0 5 0热轧管理机中随机抽取数据 ,用人工神经网络中的BP网络建立原始化学成分和热轧生产的主要工艺参数与产品力学性能之间的关系。离线仿真表明 ,产品力学性能的预报值与实际值拟合良好 ,预报结果的相对误差很小 ,屈服强度相对误差 88%在± 4 %以内 ,抗拉强度的相对误差 86 %在± 2 %以内 ,伸长率的相对误差 78%在± 6%以内。

预测城市用水量的人工神经网络模型研究

为了提高多层前馈神经网络权的学习效率,引入变尺度方法来训练神经网络的权值,并根据训练误差自适应调整学习系数和动量因子.将该方法应用于城市用水量预测中,建立了非线性人工神经网络预测模型.该模型考虑了城市工业用水重复利用率、用水人口、经济发展等众多因素对用水量需求的影响,具备系统决策功能.杭州市预测实例表明,建立的模型及其相应计算方法具有较高的预测精度和准确度.

生态系统响应气候变化脆弱性的人工神经网络模型评价

生态系统的脆弱性评价对于生态系统的管理具有重要作用。在分析生态系统脆弱性特征和影响因素的基础上 ,构建了针对森林和草地生态系统的脆弱性评价指标体系 ,涵盖了生态系统的结构、功能和生境 3个方面 ,评价指标分别是物种多样性、群落覆盖度、NPP、建群种年生长量、地表干燥度以及土壤有机碳等。评价系统将生态系统的脆弱性划分为轻微脆弱、中度脆弱、重度脆弱以及系统崩溃 4级。作为案例研究 ,构建了结构和性能优化的多层感知器 ,评价了温带落叶阔叶林生态系统的脆弱性。结果表明 。

基于正交设计与人工神经网络模型的醋酸菌A3菌株醋酸发酵条件优化

以甘肃传统食醋酿造过程中分离得到的1株优势产酸醋酸菌A3为出发菌株,采用正交设计与人工神经网络模型相结合的方法优化其发酵条件以提高产酸量。用正交实验中的因素水平组合作为ANN的输入变量,用产酸量作为输出变量,正交实验数据作为建立BP网络模型的训练样本,另外两组实验(17号、18号)用于检验模型的泛化能力,并运用建立好的人工神经网络模型在正交实验分析基础上寻找最佳发酵条件。实验结果表明,该菌株A3醋酸发酵最佳条件为:初始乙醇浓度4.2%(v/v)、发酵温度30℃、起始pH6.4、发酵周期8d,在此条件下的产酸量明显高于正交实验中的最高产酸量,达到4.3086g/100mL。

人工神经网络模型在地震安全评价中的应用

地震影响系数是地震安全评价的一个重要参数 ,其分布受到场地条件和基岩条件的共同影响 ,对场地影响的考虑相对比较成熟 ,对基岩的影响则相对考虑较少 ,难以满足城市和重大工程设防的要求。综合考虑基岩条件和场地条件的地震影响系数计算 ,关键在于确定基岩裂缝、能量、位移、场地等指标的分布与地震影响系数之间的关系 ,由于这种非线性关系需要构建多元非线性模型 ,故通过应用人工神经网络方法 ,得到地震影响系数计算模型。以唐山市为实例 ,进行了计算并分析了计算结果 。

基于“优化肿瘤标志群”建立的人工神经网络模型对肺癌辅助诊断的作用

0引言肺癌是目前世界范围内死亡率最高的肿瘤,并以每年新增男性患者960 000例、女性患者390 000例的速度递增,且预后差,5年生存率仅为5%~10%[1]。早诊断早治疗是降低其死亡率的关键。目前肿瘤标志（tumor marker，TM）联合人工神经网络（Artificial neural networks，ANN）辅助诊断癌症，已成为研究的热点，并获得阶段性的结果。

基于遗传算法的人工神经网络模型在冬小麦根系分布预报中的应用

In this study, a controlled experiment of winter wheat under water stress at the seedling stage was conducted in soil columns in greenhouse. Based on the data gotten from the experiment, a model to estimate root length density distribution was developed through optimizing the weights of neural network by genetic algorithm. The neural network model was constructed by using forward neural network framework, by applying the strategy of the roulette wheel selection and reserving the most optimizing series of weights, which were composed by real codes. This model was applied to predict the root length density distribution of winter wheat, and the predicted root length density had good agreement with experiment data. The way could save a lot of manpower and material resources for determining the root length density distribution of winter wheat.

BP人工神经网络模型在溪洛渡、向家坝两库联合优化调度规则中的应用

基于BP人工神经网络算法的基本原理,采用水库水位与出力双决策控制,建立了溪洛渡、向家坝两库联合调度函数的BP人工神经网络模型。模拟调度结果表明,该模型能更好地映射调度函数中各变量之间的非线性关系,优化运行轨迹的拟合效果明显提高。

露天矿边坡稳定性预测的人工神经网络模型

利用人工智能中的神经网络原理和方法 ,建立了露天矿顺层边坡稳定状态预测的神经网络模型 ,描述了矿山边坡稳定指标与其影响因素的非线性映射关系 ,提出了露天矿边坡稳定性预测的神经网络原理和方法。

基于GIS的人工神经网络模型在地质灾害危险性区划中的应用

地质灾害区域评价和危险性区划结果的准确与否 ,主要取决于基础地质资料的可靠性及数学模型的合理性。为了提高数据的可靠性 ,利用 GIS,在其支持下管理多源基础地学数据 ,进行数据处理 ,提取因素图层 ,剖分形成评价图元区域。然后在 GIS基础上进行二次开发 ,将人工神经网络模型和 GIS有机整合 ,这样 GIS既为人工神经网络模型提供评价数据 ,又处理其评价结果数据 ,成图输出。本文遵从上述思路 ,结合长江三峡示范区 (巴东 -新滩 )具体实例 ,探讨了人工神经网络和 GIS结合 (基于 GIS的人工神经网络 )的可能性和现实途径及其在区域地质灾害危险性区划中的应用前景。这种思路同样也适合其他数学模型与 GIS的结合。

灰色人工神经网络人口总量预测模型及应用

针对单一指标进行人口总量预测精度不高的问题,基于灰色系统理论和人工神经网络理论,用1990年至2004年中国人口总量序列建立并训练一个多指标的灰色人工神经网络人口总量预测模型。对2005年至2007年的人口总量进行检验性预测,结果表明灰色人工神经网络模型大大提高了预测精度。

基于人工神经网络模型的C25混凝土配合比的预测方法

根据混凝土强度早期判定的特点 ,建立了能映射复杂非线性关系的多层前向神经网络 .并且利用前向神经网络进行混凝土的配合比设计预测 ,结果表明神经网络方法具有较高的预测精度 。