快速二阶BP神经网络在公路交通量预测中的应用

在二阶BP神经网络基础上加以改进,提出一种快速二阶BP神经网络,并将把该方法成功地用于公路交通量的预测中,通过与其它方法的比较分析,得出快速二阶BP神经网络预测方法加快了收敛速度,提高了结果的准确度,为科学地预测公路交通量提供了有力依据。

基于BP神经网络的重力仪高机动状态快速调平修正技术

针对平台式重力仪大机动状态后测量能力恢复慢的问题,提出一种基于BP神经网络的重力仪稳定平台快速调平修正技术。首先,针对动态重力测量在测量平台大机动状态后调平能力不足的问题,研究了基于BP神经网络的平台姿态高效、准确解算方法;其次,利用惯性元件和卫星导航系统(GNSS)的信息优化BP神经网络,形成不同条件的平台姿态提取优化模型;最后,利用模拟仿真实验和实际机载动态重力测量数据验证所提方法的有效性和准确性。实验结果表明在大机动的动态条件下采用所提方法可以扶正重力仪稳定平台,将机动后重力仪稳定平台稳定时间缩短83.3%以上,提升动态重力测量效率。

基于BP神经网络和一次二阶矩法的结构可靠度分析

工程结构的功能函数大多为隐式表达式,使得以功能函数的显式表达式为基础的可靠度计算方法难以应用。为此,基于BP神经网络法和一次二阶矩法,根据结构随机变量的统计特性进行随机抽样获取有限数量的样本点,计算出每组样本点下结构的响应值;然后,将其代入由结构响应容许值与实际响应值建立的功能函数中,得到每组样本点下结构的功能函数值;利用BP神经网络对功能函数进行拟合,得到其显式表达式之后,采用一次二阶矩法计算结构可靠度,提出了一种针对隐式功能函数的结构可靠度分析方法。本文方法可以将结构的隐式功能函数进行拟合,从而得到显式功能函数,并最终利用基于显式功能函数的可靠度算法来计算结构可靠度。算例分析表明,本文方法能正确计算结构的验算点和可靠指标,具有较高的计算精度,为功能函数无法显式表达的结构可靠度分析提供了一种可行的方法。

基于BP神经网络确立森林健康快速评价指标

拟定森林健康快速评价(RAFH)指标,通过对训练样本的模式识别来构建一个BP神经网络,观察其能否收敛,并以测试样本为新的输入项进行模拟,采用误差百分比法、线性回归检验法和Nash-Sutcliffe效率法对模拟值与期望值的吻合程度进行检验,以此验证拟定指标的合理性。结果表明:在隐含层神经元n≥16时,网络能较好地收敛,说明该网络输入项——林分层次结构、病虫害程度和土壤厚度3个指标的训练样本值与目标输出项——森林健康精准评价(PAFH)结果的非线性相关程度高;模拟值与期望值的相对误差均值为-6.1409%,回归方程斜率为0.9683,截距为0.0490,Nash-Sutcliffe效率为0.9054,均表明二者之间吻合较好。因此,林分层次结构、病虫害程度和土壤厚度可以作为森林健康快速评价(RAFH)的指标。

基于二阶BP神经网络的旋转机械故障的智能诊断

针对旋转机械故障的智能诊断问题,提出了结合二阶BP神经网络和模糊网络的集成诊断方法。系统由信号处理子系统和故障诊断子系统两大部分组成。信号子系统负责信号的提取和预处理,诊断子系统则是诊断的核心,不同信号送入不同子神经网络进行诊断,结果通过决策神经网络进行数据融合,做出最后的诊断。该系统具有知识自动获取、识别速度快、鲁棒性及容错能力强等特点。实例证明该系统是有效的。

应用BP神经网络进行隧道围岩快速分级

在隧道施工过程中,为准确、及时地进行围岩快速分级,引入BP神经网络方法,通过制定快速分级参数标准,对已经开挖的隧道工作面按照隧道围岩分级规范进行分级,并测量其快速分级参数,将围岩分级的结果与其对应的快速分级参数建立BP神经网络的训练集合,从而得到围岩分级模型。最后测量正在开挖隧道工作面的快速分级参数,并提供给模型进行判别,从而达到快速、精确分级目的。通过某隧道围岩样品实例验证,该模型判断结果与实际施工情况吻合,可用于指导施工阶段的隧道围岩快速分级。

BP神经网络补偿快速成型系统闭环误差的研究

提出快速成型系统闭环误差反馈的必要性,将BP神经网络引入快速成型技术,建立了快速成型误差补偿模型,探求出一种快速成型系统闭环误差的反馈方法,并通过实例进行了验证。结果表明,基于BP神经网络控制的最大绝对误差和相对误差均比传统误差补偿方法大为降低。

基于BP神经网络的建筑工程造价快速估算方法

在对建筑工程造价影响因素分析的基础上给出了样本的定性定量描述方法,建立了建筑工程造价资料快速估算的BP神经网络模型,用已建典型工程资料对BP神经网络进行训练,实现了工程造价资料的快速估算,实例证明该方法是可行的,估算结果是可靠的。

BP神经网络Vogl快速算法的改进

针对 BP算法收敛速度慢的特点 ,提出了对 V ogl快速算法的改进方法 .

多层神经网络的快速BP算法

首先分析了BP算法中的误差函数对收敛精度的影响,给出了综合考虑绝对误差和相对误差的误差函数,其次利用优化方法中的共轭梯度算法来计算学习过程中的误差下降方向,并根据变尺度公式对该方向进行修正,从而得到快速BP算法。经过对实际算例的模拟,结果表明本文给出的快速BP算法是一种适用于多层神经网络的、性能忧良的学习算法。

应用BP神经网络模型实现内圆磨床主要零件的快速反应设计

用数字化模型代替三维实体模型 ,将内圆磨床主要大件的BP神经网络模型放入数据库信息管理系统 ,应用较简单的使用方法实现了零件结构的再修改、灵敏度分析及优化 .根据所提出的方法 ,通过从数据库信息管理系统中调用桥板的数据文件 ,对其进行结构参数修改、灵敏度分析及以第 1阶扭转频率最高为目标的设计变量自动搜索寻优计算 。

近红外光谱协同BP神经网络的泰国茉莉香米掺伪含量快速鉴定

利用近红外光谱协同BP神经网络算法,对泰国茉莉香米及其掺伪样品的近红外光谱进行多元散射校正预处理,挑选出48个特征波长;以特征波长的吸光度为BP神经网络输入层神经元,以样品中泰国茉莉香米的含量为输出层神经元,获得BP神经网络算法的最优结构模型,即为单层隐含层、隐含层神经元数7、隐含层传递函数logsig、输出层传递函数tansig、训练函数trainlm、网络学习函数learngdm和学习速率0.35。所建立模型的均方根误差、校正集相关系数、验证集相关系数、测试集相关系数分别为0.000 830、0.992 9、0.976 1和0.975 5,呈现出优良的预测效果,实现了泰国茉莉香米掺伪含量的快速鉴定。

基于神经网络的建筑工程费快速估算方法研究--以宁夏地区建筑工程项目为例

针对传统建筑工程费估算方法i精度不高、计算过程繁琐无法满足快速估算需求的问题,以宁夏地区建筑项目工程费估算为研究对象,利用误差反向传播(Back Propagaton,BP)神经网络建立工程费的非线性投资估算模型,对收集的26个典型工程实例进行验证分析。结果表明,该方法计算的工程费与实际费用相比,误差在10%以内,相比于传统方法在准确性、估算速度方面有显著提升,可在进行投资决策时为相关人员提供一种有效的建筑工程费估算方法。

柴油机BP神经网络调速快速控制原型研究

设计了BP神经网络整定PID参数的柴油机调速控制器。把该控制器下载代码到dSPACE/Mi-croAutoBox控制器内,利用快速控制原型的原理进行了起动和负荷突变工况的功能验证,并与传统PID调速控制器快速控制原型结果进行对比,结果表明,BP神经网络具有自学习能力和逼近任意函数的能力,可进行PID参数的在线整定和优化;BP整定PID调速控制器工作正常,调速精度较传统的PID控制器有较大改善;快速控制原型的研究使控制器从功能设计到产品的转化奠定了坚实的基础。

基于BP神经网络的工程图形数据远程安全快速传输法

在数字化制造中,企业内部及企业之间可以通过Internet实现在不同时空坐标上进行短时间工程图形信息交流,这种传输工程图形信息的方式,既节省了人力、物力、财力,也使得数据的获取最大程度上减少了错误和冗余。根据图形的几何元素相关性的特征,建立参数结构,采用人工神经网络BP算法同时进行数据编码压缩和数据加密,实现复杂工程图形数据的远程高效安全传输。实例表明,此方法可用于实际工程。

基于空间信息格网与BP神经网络的灾损快速评估系统

针对传统洪灾损失评估中存在的问题,建立了基于空间信息格网与BP神经网络的灾损快速评估系统.首先,利用Arc GIS空间分析技术提取洪灾区域,用信息格网技术将受灾区域格网化,分类提取不同受灾地类的受灾面积、淹没深度;其次,实地采集数据,构建受灾样本数据库;然后,建立基于空间信息格网与BP神经网络的灾损快速评估模型,并将评估模型使用程序编码的方式实现;最后,利用基于模型开发的评估系统针对某县受灾区域进行了洪灾经济损失的评估计算,结果表明,基于该模型方法计算结果与洪灾损失统计值相差不大,说明基于空间信息格网与BP神经网络的灾损快速评估系统具有一定的可靠性.

区间离散二阶差分方程——BP神经网络组合预测方法

针对小样本且具有较强波动性的区间时间序列的预测问题,文章提出了一种区间离散二阶差分方程--BP神经网络组合预测新方法,并讨论模型的相关性质,该模型对拐点区间数据具有较好的预测能力。实证预测结果表明,所提出的预测方法不但适用于小样本区间时间序列预测,对区间序列波动细节有较强的预测能力,而且比现有的区间时间序列预测模型有更高的预测精度。

基于快速BP算法的非线性系统神经网络自校正控制器

提出了对于一大类未知、不确定、时变单输入单输出离散非线性系统 ,利用三层BP网络 ,采用快速BP算法构成学习和自校正控制的方案。针对同一被控对象 ,设计了PID控制器 。

基于BP神经网络的立铣加工振动快速预估

结合研制的立铣加工过程虚拟仿真系统和实验测量铣削力信号,训练并建立BP神经网络模型,快速实现铣削过程刀具-工件系统振动状态的预估。预估的振动结果与实验测量数据较为吻合,表明铣削虚拟仿真系统与神经网络技术的结合能够高效低耗地用于不同铣削加工条件下铣削振动状态的快速预估和加工过程监测。

变尺度快速二阶非线性优化算法在神经网络辨识中的应用

神经网络是非线性系统建模与辨识的重要方法 ,反向传播 (BP)算法常常用在神经网络的权值训练中 ,但是 BP算法的收敛速度慢 .本文提出一种变尺度二阶快速优化方法 ,在这种方法中用二阶插值法来优化搜索学习速率 ,然后将这一方法应用于神经网络的辨识中 ,仿真研究表明新算法有更快的收敛速度和更好的收敛精度 .