基于改进多分支BP神经网络的ZPW-2000A移频轨道电路故障预测研究

ZPW-2000A移频轨道电路是高速铁路普遍使用的轨道电路。文章分析了ZPW-2000A移频轨道电路故障原因,针对该轨道电路设备结构、工作原理和故障特点,提取了5个监测点的参数值作为特征参数,构成多分支BP神经网络的输入样本,输出为5种常见故障,建立ZPW-2000A移频轨道电路故障预测模型,基于D-S融合证据进行决策融合,从而进行ZPW-2000A移频轨道电路故障预测。通过仿真实验验证,改进的多分支BP神经网络的ZPW-2000A移频轨道电路故障预测方法的准确率和计算效率有较大提高。

小波降噪及改进遗传算法的BP神经网络在基坑变形中的组合应用

以某市人民医院基坑工程为例,针对实测数据建立实测数据结合BP神经网络预测模型,小波降噪结合BP神经网络模型和小波降噪结合改进遗传算法优化的BP神经网络模型,并利用误差分析理论对基坑变形数据预测效果评价。结果表明:对比3种模型实际处理、预测数据能力,实测数据结合BP神经网络模型预测精度在1%-4%之间,小波降噪结合BP神经网络模型预测精度1%-2%之间,小波降噪结合改进遗传算法优化的BP神经网络模型预测精度在1%以内,小波降噪结合改进遗传算法优化的BP神经网络模型的预测准确率最高。针对基坑变形监测,小波降噪结合改进遗传算法优化的BP神经网络模型具有更高预测精度,可为类似工程提供实际参考。

改进SSA优化的BP神经网络交通量预测模型

为更加准确地进行交通量预测,针对传统的BP神经网络随机赋值、收敛速度慢等问题,提出了改进麻雀搜索算法(sparrow search algorithm,SSA)优化的BP神经网络预测模型。该模型结合SSA位置更新原理和鸡群优化算法中公鸡位置更新方法对麻雀搜索算法进行改进,在避免算法陷入局部最优和位置更新无效的同时有效地提高了算法的收敛速度。利用改进麻雀搜索算法对BP神经网络的权值和阈值进行寻优赋值,得到了改进SSA-BP神经网络预测模型。利用交通量数据,对LSTM神经网络、BP神经网络、SSA-BP神经网络和改进SSA-BP神经网络4种预测模型进行训练和测试,以MAE、MAPE、MSE、RMSE和EC 5个指标对预测结果进行对比分析。结果表明:BP神经网络优于LSTM神经网络,且麻雀搜索算法优化BP神经网络预测模型相较于BP神经网络预测模型MAE降低了0.28 veh/(3 min)、MAPE降低了1%、MSE降低了2.72 veh/(3 min)、RMSE降低了0.04;改进麻雀搜索算法优化BP神经网络预测模型相较于BP神经网络预测模型MAE降低了1.31 veh/(3 min)、MAPE降低了4%、MSE降低了9.2 veh/(3 min)、RMSE降低了0.18,且拟合度更接近于1。改进SSA-BP预测模型的性能优于SSA-BP神经网络预测模型,且有效提高了BP神经网络的预测精度,拟合度达到0.98,该模型适用于交通量预测,能够为智能交通系统提供可靠的预测值。

基于改进BP神经网络的计算机专业教学质量评价方法

为提高计算机专业教学质量评估准确度,文章提出基于改进BP神经网络的计算机专业教学质量评价方法。首先选取计算机专业教学质量评价影响因素,然后以此为基础,利用改进后的BP神经网络对各影响因素进行分析计算,确定最终的教学质量评价结果。测试结果表明,该评价方法对教学质量评价结果与专家组评价结果之间的误差始终稳定在0.15以内,最小误差仅为0.05,应用效果较好。

基于EMD分解和改进GWO-BP神经网络的滑坡位移预测

考虑到滑坡位移受多因素的影响,结合信号分解与智能算法,提出了一种时序分解-模型构建-模型训练的EMD-BP-TIGWO滑坡位移预测方法。首先,利用EMD方法将滑坡监测数据分解为多个IMF分量及一个残余量,将分解后的分量划分为周期项及趋势项位移;其次,构建BP-TIGWO模型,引入Tent映射及自适应权重,提高灰狼算法的收敛速度及全局搜索能力,并利用TIGWO算法优化BP神经网络的权值及阈值;利用Pearson相关系数对周期项滑坡位移与降雨量间的时滞期数进行分析,利用优化后的BP模型分别对周期及趋势项滑坡位移进行预测;最后,将各分量预测值进行叠加得到滑坡累计位移预测值,并对模型预测准确率进行评价。实验结果表明,EMD-BP-TIGWO模型在考虑降雨输入特征下,连续32 d预测的RMSE、MAE及R2分别为0.64、0.51及0.97,模型预测精度明显高于未考虑时滞的EMD-GWO-BP、EMD-GWO-BP、BP-TIGWO、BP模型的预测精度,可为预测滑坡的位移提供参考。

基于改进WOA-BP神经网络的网格化空气质量监测仪数据修正

空气污染严重威胁人类健康,近年来逐渐兴起的基于传感器技术的微型空气监测仪(简称微型站)具有体积小、造价低的优点,符合当前网格化、精细化的空气质量管理模式。但微型站中使用的电化学传感器存在复杂的气体交叉干扰,影响设备的准确性。针对交叉干扰非线性,难以用明确的数学表达式描述的问题,提出将改进鲸鱼算法优化的反向传播(CIWOA-BP)神经网络应用于微型站数据的修正。CIWOA-BP算法结合了BP神经网络善于处理非线性黑箱问题的优势以及CIWOA全局寻优的能力。结果表明:经过CIWOA-BP修正后的微型站可以实现对混合气体中的NO_(2)、CO、O_(3)和SO_(2)的准确定量分析,4种气体的计算值和实际值之间的拟合优度(R^(2))均超过了0.97,效果优于一元、多元线性回归和传统的BP神经网络,可以很好地提升设备对空气污染物的监测精度。

改进麻雀搜索算法优化BP神经网络的短时交通流预测

针对BP神经网络预测短时交通流量过于依赖初始参数的问题,提出一种基于改进麻雀搜索算法(ISSA)来优化BP神经网络的短时交通流预测模型(ISSA-BP)。针对标准麻雀搜索算法(SSA)易收敛于原点,容易陷入局部最优等问题,对麻雀群体中的发现者和部分加入者的位置更新公式分别进行改进,改进后的发现者将基于搜索维度的大小和当前最优值的位置来进行全局搜索,部分加入者将根据其与最优位置之间的距离来进行全局搜索。通过实验对BP,PSO-BP,SSA-BP,ISSA-BP 4种短时交通流预测模型的预测效果进行对比分析,结果显示,ISSA-BP短时交通流预测模型的误差最小,ISSA-BP模型相较BP模型在MAE评价指标上的预测精度提升了48.85%,有着更好的预测精度。

基于改进BP神经网络模型的辽西地区农业灌溉用水预测

文章引入小波分析函数对传统BP神经网络模型进行改进,提高模型收敛精度,并将改进的BP神经网络模型对辽西地区农业灌溉用水进行预测。结果表明:与模型改进前相比,改进后模型对辽西地区年尺度和月尺度农业灌溉用水量预测相对误差分别降低6.9%和10%。研究成果对于区域农业灌溉用水预测方法具有参考价值。

基于改进灰狼算法优化BP神经网络的变压器故障诊断方法研究

针对变压器故障诊断精度不高,和避免传统的故障诊断方法的不足,提出一种基于改进灰狼算法BP神经网络变压器故障诊断算法。改进算法采用增强搜索能力的维度学习策略,增加灰狼算法中灰狼种群的多样性,同时将故障特征量输入到算法模型中并与其他模型进行对比,验证本文算法的有效性和性能表现优于其他算法。

基于改进BP神经网络的电气设备绝缘故障诊断研究

文章以变压器绝缘故障为例,首先采用改进谐波分析法进行在线监测,获取变压器绝缘的原始信号,并对已获取信号进行预处理工作。其次采用自适应学习率改进BP算法,并搭建3层前馈神经网络,构建新型神经网络模型。最后应用改进的BP神经网络模型,结合熵值法完成变压器信号训练,实现变压器绝缘故障诊断。实验结果表明,此方法可有效提升电气设备绝缘故障诊断的准确性,缩短整体诊断耗时,具有较高的实际应用价值。

改进BP神经网络模型在农业灌溉用水预测中的应用

针对传统BP神经网络模型局部不收敛的局限,引入改进的BP神经网络模型,并将改进的模型用于灌区农业灌溉用水预测,结合灌区灌溉用水统计数据对比分析模型预测的精度。结果表明:相比于改进前,改进后的BP神经网络模型在灌区年尺度和月尺度农业灌溉用水预测误差平均可降低6.52%和5.39%。研究成果对于灌区农业灌溉用水科学预测具有参考价值。

基于改进后的BP神经网络在混凝土桥梁损伤识别中的应用研究

混凝土桥梁的损伤识别与定位是目前的研究热点之一。本文在传统BP神经网络的基础上对其进行改进,并将改进后的BP神经网络应用在混凝土桥梁损伤定位与识别过程中。首先建立了识别桥梁的数值有限元模型,然后得到不同损伤情况下的桥梁自振频率和曲率模态值。将自振频率和曲率模态值作为改进后BP神经网络的输入参数,以有限元单模型中的损伤位置和损伤程度作为输出值,进而实现对桥梁结构的损伤定位和损伤识别。最后通过南京浦仪公路混凝土简支梁和连续梁为工程背景进行了验证。结果表明:采用改进后的BP神经网络可以很好的实现对桥梁的损伤定位和损伤程度的识别,并且具有很好的识别精度。即使在噪声存在的情况下,改进后的BP神经网络仍然可以达到很好的识别效果。

基于改进鲸鱼算法优化神经网络的GPS高程拟合方法

采取混沌映射和自适应惯性权重结合的策略对标准鲸鱼算法进行改进,从而提高算法的全局寻优能力和收敛速度,并针对BP神经网络的劣势,利用改进鲸鱼算法对BP神经网络进行优化处理。在此基础上建立改进鲸鱼算法优化BP神经网络的GPS高程异常拟合预测模型,并通过两组不同地形特征工程中的GPS数据对模型进行验证。结果表明,利用改进鲸鱼算法优化的BP模型进行GPS高程拟合时可取得更高的精度和稳定性。

基于IWOA-BP神经网络图像复原

针对传统复原算法在退化图像复原过程中存在明显滞后的问题,建立了一种改进的鲸鱼算法(Improved Whale Optimization Algorithm,IWOA)-BP神经网络图像复原模型。首先,通过Tent混沌增强初始种群的均匀性和多样性;其次,采用非线性权重和改进的收敛因子,平衡算法的全局搜索与局部寻优能力;最后,结合Levy飞行策略更新个体位置,帮助算法跳出局部最优。随后采用经典图像数据,建立IWOA-BP模型。选取PSNR、SSIM和NMSE作为网络模型的评价指标,与BP、GWO-BP、WOA-BP进行对比。实验结果表明IWOA-BP模型图像复原视觉效果更好,提高了图像复原的质量。

基于BP神经网络的上海生鲜农产品物流需求预测

针对传统的生鲜农产品物流非线性需求预测模型收敛速度慢、精度低等问题,构建由改进粒子群(improved particle swarm optimization,IPSO)算法优化反向传播(back propagation,BP)神经网络的预测模型。引入对立学习机制、自适应惯性权重、非对称学习因子提升粒子群(particle swarm optimization,PSO)算法的初始解质量,平衡算法的局部开发和全局搜索能力;利用IPSO算法优化BP神经网络的权值和阈值,解决BP神经网络收敛速度慢、容易陷入局部最优等问题。通过上海生鲜农产品物流需求预测实例对模型的有效性进行验证,结果显示:IPSO-BP神经网络模型在预测精度及收敛速度上均明显优于传统PSO-BP神经网络和BP神经网络模型。

基于IGWO-BP神经网络锂电池SOC估算

针对传统BP神经网络估算电池SOC过程中,存在初始权值和阈值对预测精度影响较大的问题,引入Tent混沌映射和自适应收敛因子对灰狼算法(GWO)进行改进,改善灰狼算法易陷入局部最优、后期迭代效率不高的缺点。将改进灰狼算法(improved grey Wolf algorithm,IGWO)与BP神经网络模型结合,得到BP神经网络最优初始权值和阈值,提高预测精度和收敛速度。对锂电池充放电实验数据预处理,得到样本数据。利用MATLAB进行仿真验证,结果表明,IGWO-BP神经网络算法的预测精度相较于传统BP神经网络算法、GWO-BP神经网络算法更优,基于改进灰狼优化BP神经网络估算电池SOC的方法的绝对误差能控制在1.53%以内,有效提高了预测精度和收敛速度。

基于IGA优化BP神经网络的双目视觉定位研究

针对基于传统遗传算法(GA)优化BP神经网络的双目视觉定位存在迭代时间过长和精度偏低的问题,设计了一种基于改进遗传算法(IGA)优化BP神经网络的模型,从而完成双目视觉定位计算。该模型可提高BP网络的全局寻优效果和收敛性,提升网络的处理效能与准确性,最终使相机实现更高的定位准确度和更迅速的运算速率。详细介绍了IGA优化BP神经网络的双目视觉定位算法流程,并进行了相应的实验验证。验证结果表明:(1)在未优化情况下,坐标预测值的误差均值为0.66 mm,而经过IGA优化后,坐标误差均值减小至0.08 mm。(2)BP神经网络经优化后,其定位精度达到了0.12 mm,定位误差减小了近0.01。(3)在双目视觉定位方面,BP神经网络的平均精度为0.12 mm,与采用OpenCV进行定位比较,基于IGA优化BP神经网络的定位方法精度接近0.08 mm,定位精度能够满足要求。

基于ISSA-BP神经网络的棉纱条干均匀度预测

为解决棉纱条干均匀度难以预测的问题,提出了一种改进麻雀搜索算法(ISSA)优化BP神经网络的预测方法。首先,将棉纱成形过程中采集到的12个原棉指标进行特征提取,作为BP神经网络预测模型的输入变量。接着,利用佳点集策略,Levy飞行策略和锦标赛学习策略对麻雀搜索算法(SSA)进行改进。最后,利用ISSA搜索BP神经网络最优的初始权值和阈值,建立ISSA-BP神经网络模型。为验证改进算法的有效性,利用Python进行训练和仿真,并与BP模型、GA-BP模型、PSO-BP模型和SSA-BP模型进行预测结果对比。结果表明:ISSA-BP模型在棉纱条干均匀度预测中平均相对误差为1.52%,预测性能较优,误差较小,预测结果较为理想,可以有效预测棉纱条干均匀度。

BP神经网络模型的改进及其在海底管道外腐蚀速率预测中的应用

针对海底油气管道外腐蚀问题构建模型预测其腐蚀速率,建立基于改进鹈鹕优化算法(Improvement Pelican Optimization Algorithm,IPOA)的BP神经网络(Back Propagation Neural Network,BPNN)腐蚀速率预测模型。通过Logistic-Tent混沌映射初始种群与收敛因子非线性化的方法提高鹈鹕算法(POA)的全局搜索能力和寻优精度,采用IPOA算法优化BPNN的权值和阈值,提升模型的预测精度与鲁棒性。以实海挂片试验数据为基础,建立POA-BPNN和BPNN模型作为对比。结果表明:IPOA-BPNN模型的决定系数R2为0.9664,均方误差为0.2353,平均相对误差为3.16%,均优于其余两个模型,模型的鲁棒性较未改进有较大的提升。这表明IPOA-BPNN模型能够为海底管道的维修与更换提供决策支持。

改进哈里斯鹰优化算法与BP神经网络组合的滑坡位移高精度预测模型

开展滑坡位移高精度预测研究对于滑坡灾害的防灾预警具有重要意义。针对哈里斯鹰优化算法(HHO)搜索精度低且会陷入局部最优的问题,对其进行改进并进一步与BP神经网络组合,同时有效兼顾滑坡外部影响因子,发展了一种改进哈里斯鹰优化算法(IHHO)与BP神经网络组合(IHHO-BP)的滑坡位移高精度预测模型。结合我国典型黄土滑坡——甘肃黑方台党川滑坡HF08、HF05和HF09等3个监测点的北斗/GNSS实测数据,验证了IHHO-BP模型在3个实测数据集中的位移预测精度均优于单一BP神经网络模型,以及哈里斯鹰优化算法、麻雀搜索算法(SSA)、粒子群算法(PSO)、遗传算法(GA)与BP神经网络组合的预测模型。结果表明:引入Levy变异、局部增强和随机化Halton序列种群初始化策略的改进哈里斯鹰优化算法,可有效解决哈里斯鹰优化算法搜索精度低且会陷入局部最优的问题;IHHO-BP模型具有更好的泛化能力,可有效提升滑坡位移的预测精度,该组合预测模型具有更好的推广应用价值。