多元线性回归模型与多层感知器神经网络在铀矿测井泥质含量预测中的应用

在铀矿资源勘探工作中,泥质含量的测定对于确定地下岩层的性质和砂岩型铀矿床的分布具有重要意义。文章旨在避免常规测井解释计算方法受到希尔奇系数选取准确性的限制,提出了利用多元线性回归模型和多层感知器(MLP,Multilayer Perceptron)神经网络对测井数据进行分析与预测的方法。通过选取某地区的测井数据,采用多元线性回归模型和MLP神经网络进行了泥质含量关系模型的构建和验证。结果显示,多元线性回归模型在泥质含量低层位出现过拟合现象,而MLP神经网络则表现出更高的预测准确性,MLP神经网络在泥质含量预测中优于传统多元线性回归模型,为铀矿勘探中泥质含量的准确预测提供了有效工具,并有望改进现有的泥质含量评价方法。这些研究成果可显著提升测井解释的效率和准确性,对后续铀矿勘探开发工作的开展具有积极影响。

基于多层感知器神经元的空间柔性机器人位置跟踪控制

针对基体位置及姿态均不受控的自由漂浮柔性空间机器人轨迹跟踪问题,提出了一种前馈多层感知器(MLP)神经网络控制策略.建立了末端柔性的自由漂浮基机器人的耦合动力学模型,再利用MLP神经网络良好的逼近能力来自适应补偿非线性柔性臂的逆动力学模型,其误差代价函数由PID控制器提供,权重及阀值的调整采用改进的BP反传算法.最后通过仿真比较详细分析了所提方案的工作机理及对非线性强耦合系统控制的有效性.

基于多层感知器神经网络的小微企业信贷风险研究

文章以多层感知器神经网络算法为基础,对某小贷公司的小微企业信贷数据库中的信贷记录进行了信贷评估,并将该结果与决策向量机、线性判别、二次判别和逻辑回归等数据挖掘方法进行了比较。分析结果表明,从总体上看,多重感知器神经网络算法优于传统的基于参数的分类方法,即多层感知器神经网络算法拥有相对较高的ROC曲线下面积和较低的预期错误分类成本。更进一步,在研究所采用的4种MLP算法中,基于BFGS Quasi-Newton训练算法的MLP表现最为出色,可以作为金融机构进行小微信贷风险评估的辅助决策模型。

基于径向基—多层感知器神经网络联合的复杂岩相智能识别与表征

苏里格气田东二区二叠系石盒子组盒8段(以下简称盒8段)为典型的河流相致密砂岩储层,其强非均质性及复杂的储层结构导致该区面临“甜点”储层优选困难等关键技术瓶颈。为此,在分析盒8段储层岩相类型及组合特征、岩相约束下测井数据特征的基础上,建立了一种契合岩相及其组合特征、测井数据特征、人工智能算法原理的径向基—多层感知器神经网络联合模型,并开展了储层岩相的精确识别与表征研究。研究结果表明:(1)盒8段发育块状层理砾岩相、槽状交错层理粗砂岩相、板状交错层理粗砂岩相、板状交错层理中砂岩相、平行层理中砂岩相、交错层理细砂岩相、波状层理粉砂岩相、块状层理泥岩相8种岩相类型;(2)盒8上亚段曲流河相储层岩相密度偏小、岩相频率偏高、对应测井数据分布较分散,盒8下亚段辫状河相储层岩相密度偏大、岩相频率偏低、对应测井数据分布较集中;(3)建立的径向基—多层感知器神经网络联合模型识别准确率可达89.06%,相较于单一神经网络模型、交会图、主成分分析和决策树等方法识别准确率明显提高。结论认为,建立的径向基—多层感知器神经网络联合模型不仅克服了现有岩相识别方法准确率低且难以推广的缺陷,而且对实现河流相强非均质性致密砂岩储层高效开发具有重要意义。

基于主成分降维及多层感知神经网络的辛烷值预测分析

辛烷值是评价汽油质量的重要指标,汽油在精制脱硫和降烯烃的过程中,辛烷值普遍出现了损失.建立预测模型来预测辛烷值,帮助企业优化工艺流程进而提高成品油辛烷值的含量具有重大意义.根据某石化企业的精制脱硫装置保留下来的数据进行分析,选取独立且具有代表性的20个变量,基于主成分降维的多层感知神经网络建立辛烷值的预测模型.实验结果表明,当隐藏层的神经元个数为10时,MSE、RMSE、MAE均最小,此时该模型具有较高的预测精度和较好的拟合度.此模型不仅揭示了变量与辛烷值之间的非线性映射关系,同时也为预测辛烷值提供了一种新的思路.

基于多层感知神经网络的糖尿病并发症预测研究

糖尿病并发症患者的死亡率高于仅患糖尿病患者的死亡率,预测糖尿病并发症有重要意义,以辅助临床早发现和早治疗糖尿病并发症,降低糖尿病患者死于并发症的风险。本研究目的是根据糖尿病患者的尿常规检查、生化检查和糖化检查信息,构建预测糖尿病并发症的多层感知神经网络(MultilayerPerceptron,MLP)模型,并筛选对糖尿病并发症预测影响较大的指标,以期提高糖尿病并发症的诊断筛查。依据《实用内科学》中关于糖尿病及其并发症的诊断术语规范诊断结果的糖尿病并发症种类。分别以尿常规检查、生化检查和糖化检查的各项指标为自变量,以糖尿病并发症种类为因变量,应用MLP算法建立糖尿病并发症预测模型,并以Boosting方法提高MLP模型预测准确率,同时与统计模型Logistic回归对比分析。MLP模型筛选出对糖尿病并发症预测影响较大的4项尿常规和6项生化检查指标,其中影响最大的是患者的年龄。尿常规检查和生化检查的MLP模型准确率较高,分别为87.56%、67.94%,且收益图曲线上凸明显,接近理想曲线。糖化信息的MLP模型准确率低仅39.31%,收益图曲线呈锯齿状上升,远离理想曲线。Logistic回归模型的准确率都较低,收益图曲线均远离理想曲线。基于糖尿病患者的尿常规检查、生化检查和糖化检查等信息,构建的尿常规检查和生化检查的MLP模型预测效果较好,并筛选出对糖尿病并发症预测影响较大指标,结果可用于辅助临床医生优化诊断和治疗糖尿病并发症。MLP模型比Logistic回归模型准确率更高、收益更好,更适用于糖尿病并发症的预测。

PCA-MLP神经网络模型在黄河宁夏段径流预测中的应用

为提高短时间尺度的月径流量预测效果并简化神经网络模型结构,将主成分分析(PCA)和多层感知器神经网络(MLP)相结合,构建PCA-MLP神经网络模型预测汛期月径流量。模型首先采用主成分分析法确定影响径流量的主要影响因子,再将主要影响因子数据输入MLP神经网络模型,预测月径流量数据。将宁夏青铜峡水文站2010—2019年汛期的月径流量和影响因子数据作为训练样本训练神经网络模型,以2020—2022年汛期月径流量和影响因子数据作为检验样本进行对比分析。预测结果表明:目前影响汛期径流量的因素主要是历史径流和气候特征,检验集预测结果确定性系数为0.851,模型可为宁夏汛期月径流量预测提供相应指导。

基于LASSO回归和多层感知的癌组织RNA-Seq数据分类算法研究

目的:为了解决癌症基因RNA-Seq(RNA-Sequencing,转录组测序技术)技术每次测序过程产生海量高分辨率、高维、高冗余的数据,给基因表达数据分类带来困难的问题。方法:提出了一种基于LASSO(Least Absolute Shrinkage and Selection Operator,LASSO)回归和多层感知的癌组织RNA-Seq数据分类算法。首先,从TCGA数据库获取十个疾病的基因数据集并对原始RNA-Seq的基因表达谱基因数据进行数据清洗和标准化处理,去除重复的基因,选取表达量最大的基因并将数据做标准化处理。其次,采用LASSO回归的方法对处理后的数据进行降维和特征提取,获得与疾病标签最相关的特征基因集。最后,运用多层感知器神经网络(Multilayer Perceptron,MLP)模型对特征基因进行学习和训练,实现有效地识别和分类。实验结果:实验表明,该算法在10种癌细胞基因测试数据集中分类总准确率达到99.8%,高于LASSO-CNN分类模型的总准确率98.9%和LASSO-BP神经网络分类模型的总准确率99.4%。结论:该算法克服了转录组测序数据量大、特征多、数据差异大的缺陷,是一种有效的癌症基因表达测序分类新算法。

SSA-MLP模型在岩质边坡稳定性预测中的应用

岩质边坡的力学参数量化及稳定性分析对岩质边坡灾害的防治具有重要意义。Hoek-Brown(H B)准则是一种用于确定岩体力学参数的经典方法,能反映出边坡岩体变形和位移的非线性破坏特征。在此基础上,首先,提出一种麻雀搜索算法(Sparrow Search Algorithm,SSA)改进多层感知器(Multi-Layer Perceptron,MLP)的神经网络模型,并用于边坡稳定性预测、指标敏感性分析及参数反演。其次,将收集的1085组岩质边坡的几何参数和H B准则参数等作为输入变量,极限平衡理论Bishop法求解的安全系数作为输出变量,对SSA MLP模型进行训练学习和性能评估。最后,将该模型运用于25个边坡实例,验证模型的有效性。结果显示,该模型收敛速度快、精度高,为边坡稳定性分析和参数量化提供了一种新思路。

公立医院床位利用效率及配置合理性评估研究

目的分析上海市某三级甲等公立医院各科室床位利用效率,为评估床位资源配置合理性提供方法学依据。方法以上海市某三级甲等医院2023年的医疗运营数据为基础,利用床位利用模型进行可视化呈现,评价床位资源的利用效率。运用床位评价指标测算各科室床位的合理区间,得出床位调整方案。采用多层感知器神经网络模型评估床位调整方案的准确性、合理性、可行性。结果床位利用模型显示,11个(25.00%)科室属于床位效率型,11个(25.00%)科室属于床位周转型,16个(36.36%)科室属于床位闲置型,6个(13.64%)科室属于压床型。床位评价指标显示,8个科室床位数不需改变,16个科室床位数需要适当减少,20个科室床位数需要结合实际情况增加。利用多层感知器神经网络搭建床位不变、床位减少、床位增加模型。床位不变模型的受试者工作特征曲线下面积(area under curve,AUC)=0.719,灵敏度为100.00%,特异度为40.63%。床位减少模型的AUC=0.875,灵敏度为83.33%,特异度为85.00%。床位增加模型的AUC=0.913,灵敏度为100.00%,特异度为72.22%。结论医院整体床位利用效率较低且不同科室间床位的利用效率存在差异,通过多层感知器神经网络建立的床位增加模型评估结果与床位利用模型和床位评价指标的结果具有较好的一致性,能够为医院床位资源配置管理提供方法学依据,进而实现医院床位精细化管理。

基于气味信息和活性成分的三七产地溯源研究

目的基于气味信息和活性成分对三七Panax notoginseng(Burk.)F.H.Chen进行产地溯源研究。方法采集4个产地的三七样品,测定其活性成分(人参皂苷R1、Rg1、Rb1、Rd)和气味信息并进行多元统计分析和神经网络分析。结果方差分析结果表明,三七产地对其皂苷含量、电子鼻传感器特征响应信号影响显著;典则判别分析和聚类分析可实现三七产地的判别,多层感知器神经网络分析对三七产地的判别准确率均在87%以上;结合偏最小二乘回归分析、多元线性回归分析、多层感知器神经网络分析构建皂苷含量的预测模型,气味信息与皂苷含量间存在相关关系(0.42<r<0.95)。结论基于电子鼻和高效液相色谱法对三七产地判别具有可行性,可为三七开发利用、产地追溯、真伪鉴定提供科学依据。

基于蜂群算法和神经网络的通信调制识别方法

针对现有基于误差反向传播算法的多层感知器神经网络分类器在信号识别中存在收敛速度缓慢、出现假饱和现象等问题,采用蜂群算法提取信号的联合特征模块,提出快速支持、超级自适应误差反向传播、共轭梯度3种不同算法分别应用于多层感知器神经网络分类器,实现对通信信号的自动识别。所提算法和误差反向传播算法相比有更高的识别率。仿真结果表明,所提算法能够克服误差反向传播算法的缺陷,在隐藏层神经元仅为20个、信噪比为4dB条件下,3种算法的识别率均高于95%,且系统易于实现,在信号识别中具有广泛的应用前景。

小样本纱线质量预测的机器学习算法适用性分析

为了解决当前基于神经网络的纱线质量预测模型针对小样本预测精度偏低和预测精度不稳定的问题,建立了随机森林(RF)算法预测模型、多层感知机神经网络(MLP)算法预测模型和线性回归(LR)算法预测模型,就各算法模型在小样本情况下对不同数据特点的数据集的敏感性、不同数据维度的敏感性和不同训练样本数的敏感性进行了预测性能对比试验。用决定系数和均方根误差进行模型预测性能评估。试验结果表明:在小样本情况下,相比于MLP算法和LR算法,大多数情况下RF算法预测准确性更高、预测精度稳定性更好、对小训练样本量的适应性更好,具有较高的综合预测性能。

电液伺服系统的神经网络建模方法研究

针对电液伺服系统固有的流量-压力特性等非线性因素使得采用传递函数等传统方法难以获得电液伺服系统的精确模型的问题,详细研究了电液伺服系统的神经网络建模方法。研究了两种最常见的神经网络,即多层感知器神经网络和径向基函数神经网络,采用5种典型学习算法构造了3种多层感知器神经网络和2种径向基函数神经网络,并结合自动定深电液伺服系统的工程实例,详细分析了这5种神经网络在电液伺服系统中的建模性能。研究结果表明,采用正交最小二乘算法的径向基函数神经网络最适合电液伺服系统的建模。

红外光谱结合贝叶斯判别对洗发用品的分类研究

建立一种基于红外光谱的快速无损地检验洗发用品的分析方法。利用傅里叶红外光谱对60个常见的洗发用品样品进行检验,分别采用Savitzky-Golay(S-G)平滑、快速傅里叶变换(FFT)、降噪等方法对光谱数据进行预处理,并结合主成分分析法对光谱数据进行降维处理。同时建立多层感知器神经网络和贝叶斯判别分析两种分类模型,对光谱数据进行分析验证。多层感知器神经网络对原始数据、经过S-G平滑、FFT、降噪后的分类准确率分别为86.67%、88.33%、80%、90%,贝叶斯判别的分类准确率为83.33%、85%、83.33%、95%。结果显示,降噪处理效果较佳,贝叶斯判别具有更高的准确率。该方法重现性好、样品用量少、无损样品,可为洗发用品类物证鉴定提供科学依据。

基于HJ-1数据和V-I-S模型的城市不透水层变化分析

选择2008年和2010年徐州市城区的HJ-1A/1B多光谱遥感图像,利用线性光谱混合模型(LSMM)、多层感知器(MLP)神经网络和自组织映射(SOM)神经网络3种混合像元分解方法,基于V-I-S(植被-不透水层-土壤)模型提取城市不透水层。对3种方法的精度分析对比表明,MLP方法优于其他两种方法,能够比较清晰地反映出徐州市城市化的发展。对两个时相多光谱影像提取的不透水层信息的分析表明,徐州市近两年的发展中心已逐渐向城市边缘地带扩展,其主要原因在于经济的迅速增长和城市化进程的加速发展。

基于MLP神经网络的数控铣床几何误差补偿方法

针对三轴数控铣床加工工件的几何误差问题,提出一种基于多层感知器(MLP)神经网络的误差补偿方法。首先,设定铣床沿X轴和Y轴方向对工件进行铣削加工,通过3D坐标测量机测量刀头在Z轴上的定位误差数据。然后,利用这些数据来训练MLP神经网络模型,拟合出三维的误差曲面。最后,根据获得的误差曲面,对铣床加工时的刀头坐标进行实时校正,以此提高加工精度。实验结果表明,提出的方法能够对机床加工误差进行精确地补偿,具有有效性和可行性。

页岩油压裂井产量预测方法研究

为了综合考虑地质因素和工程参数对页岩油压裂井产量的影响,以大港油田页岩油井为数据来源,利用Spearman相关系数和随机森林综合筛选关键特征参数,通过数据清洗、多重填补检测剔除异常值,拓展缺失数据,构建完整的压裂井产量预测数据集。基于多层感知机神经网络模型,采用网格搜索法进行基础模型的参数调优,建立了页岩油压裂井产量预测模型,训练数据集的预测平均准确度为92.37%。经大港10口页岩油井的生产数据现场应用,预测产量与实际值的平均误差为7.59%,表明该产量预测模型可综合反应地质因素和工程参数对压裂井产量的影响,使预测结果与实际生产相吻合,预测精度高,满足工程需求。

基于模式识别算法的骚扰号码风险评估算法

提出一种基于模式识别的数据处理算法-主成分分析和分类算法-多层感知神经网络。通过对经由运营商核心网设备的近一年电话号码进行分析,研究了基于电话号码的十个特征综合分析。通过主成分分析简化特征,利用多层感知神经网络等模式识别算法判定电话号码为骚扰号码的分险程度,灵活度高,评估出电信诈骗风险等级,并提示其它用户防范。

基于多特征因子的路用集料粒径计算神经网络模型

在道路施工及养护过程中,高效、准确地测量沥青混合料中的集料级配是保证混合料骨架结构稳定及施工质量的重要环节。针对基于单一几何模型应用在粗集料颗粒分档时,存在粒径计算不准确、无法满足施工要求的问题,文中提出一种基于多特征因子的路用集料粒径计算神经网络模型,实现对集料颗粒粒径的准确计算。首先,对采集到的集料颗粒图像进行几何特征提取,并对提取到的特征数据进行数据清洗和归一化等处理,建立样本数据集;然后通过相关性分析,提取出与集料粒径相关性较强的特征因子;最后,构建多层感知机(MLP)神经网络模型对数据集进行训练,并采用敏感性分析得到用于表征集料粒径的重要特征权重,实现对集料粒径的准确计算。结果表明,文中提出的集料粒径计算方法与卡尺法测量的结果拟合精度较高(相关系数R2=0.91),与二阶矩、等效椭圆等传统几何模型方法相比不仅明显提高了精度,而且可以实现快速虚拟筛分,显著提升后续的筛分效率。