基于模糊优选BP神经网络模型的作物-水盐响应关系模拟研究

棉花在诸多影响因素下,生长过程表现为复杂的非线性,使其水-盐的响应关系难以用传统的数学模型进行精确描述。本研究基于大田棉花膜下咸淡水滴灌试验成果,采用模糊优选BP神经网络模型,对籽棉产量与灌溉水量和灌溉水矿化度的响应关系进行了模拟。结果表明:该模型的模拟结果精度良好。模拟得到的连接权重矩阵可良好地表达籽棉产量与各生长阶段微咸水处理水平之间的响应关系,在微咸水灌溉技术中具有一定的指导意义。

m层模糊优选BP神经网络模型及算法

通过把模糊优选原理与BP神经网络模型相结合 ,能得到可供优选的方案的相对优属度向量。本文作者把三层模糊优选BP神经网络模型推广到m层 ,从而得到适用性更强的一般模型 。

基于BP神经网络实现小批量物料生产安排

本文以2022年全国大学生数学建模竞赛E题为背景,利用已有历史数据,研究小批量物料生产计划。首先利用模糊综合评价选定数据集,然后结合BP神经网络模型对选定数据集进行预测分析,最后建立生产计划模型实现生产计划合理安排。模型结果表明,预测数据与真实数据的平均绝对误差、均方误差、总方差结果均在合理范围内,且满足平均服务水平大于85%的要求。

基于模糊BP神经网络的深基坑支护方案优选

介绍了深基坑支护方案优选模型的建立过程及其实例分析。基于深基坑支护方案优选影响因素的模糊性和因素之间的关联性,笔者将模糊优选理论与神经网络理论相结合,在详细分析深基坑支护方案优选影响因素的基础上,建立了4层深基坑支护方案模糊BP优选神经网络模型,提出了模型参数和方案优选反馈计算的方法。应用该方法对北京市某广场大厦的基坑支护方案进行了分析,实例结果表明,采用该方法所进行的深基坑支护方案优选,获得令人满意的效果,是一种值得推广的方法。

基于BP神经网络的多相管流模型优选及应用分析

应用91井次的油气井测试数据对Ansari,Hagedorn & Brown Revised,Duns&Ros,Gray以及Beggs&Brill Revised模型进行了评价分析,结果表明:最适合的模型主要有Hagedorn&Brown Revised模型和Ansari模型,其最佳井数分别占50.5%和35.2%。为了对特定的油井条件优选出最佳的计算模型,提出利用神经网络优选多相管流模型的方法,建立了BP神经网络模型,给出了完整的学习算法程序框图,提出采用动量算法修改隐含层权值,采用基于指数平滑的方法修改输出层权值,从而有效地减少了抖动。应用油气井测试数据及管流模型评价结果,研究了神经网络输入层、输出层及隐含层神经元个数对预测准确率的影响,结果表明:合理的BP神经网络模型能很好的预测最佳管流模型,其预测准确率可高达100%.

一种基于优选BP神经网络的智能模糊优化算法

建立了以模糊逻辑形式表示的基于优选BP神经网络的模糊优化模型,构造了用于优选BP神经网络权值估计的遗传算子,重点讨论了加权梯度方向的计算方法及沿加权梯度方向进行变异的算子,确定了遗传算法的基本策略,构造了该算法的流程。针对飞边金属消耗设计准则挖掘问题,阐述了该准则建立的依据,讨论了该准则各变量之间的关系,并利用基于模糊优选BP神经网络的模糊优化算法实现了飞边金属消耗设计准则的挖掘。继而应用该实例对算法的稳定性进行了校验,并将该算法与利用梯度下降法对神经网络进行权值估计的算法进行了比较,结果表明,该算法速度快,精度高,稳定性好。

可变模糊优选神经网络综合评价模型

针对多指标评价问题中区间形式评价标准的处理方式和指标权重的确定方法直接影响评价的科学性及合理性,首次将可变模糊集理论和模糊优选神经网络有机结合,提出了一种新的评价模型———基于可变模糊集理论和模糊优选神经网络的综合评价模型,并应用模型对黄河流域9个行政分区的水资源可再生能力进行了综合评价。评价结果表明,黄河流域水资源可再生能力总体上较弱;新的评价模型是科学、合理的。

模糊优选递归神经网络模型及其在水利水电投资项目评价中的应用

在模糊优选BP神经网络模型上,加入反馈信号及偏差单元,生成递归神经网络.其基本思想是通过对前馈神经网络中加入附加的、内部的反馈通道来增加网络本身处理动态信息的能力.将该模型用于水电投资项目的评价,所得结果与其它方法所得结果相比较,对该方法用于水利水电投资项目的评价的有效性进行了说明.

基于BP神经网络的模糊综合评判模型及应用

该文在论述BP神经网络及算法的基础上 ,提出了将其用于模糊综合评判的方法 ,建立了模糊综合评判的神经网络模型 。

基于T-S模型的模糊神经网络城市需水量预测方法研究

针对需水量预测的非线性、随机性和模糊性等特点,引入模糊系统理论,建立了基于T-S模型的模糊神经网络需水量预测模型。该模型将模糊系统良好的模糊知识表达能力与神经网络强大的自学习和自适应能力有机结合,具有逼近最优、收敛速度快、训练时间短等优点。应用该模型预测了天津市2015年的需水量。结果表明,采用基于T-S模型的模糊神经网络方法进行需水量预测的拟合与预测平均相对误差分别为3.39%和2.67%。将该模型与BP神经网络和非线性回归方法的预测结果进行对比分析,该模型的拟合与预测精度最高。

基于遗传与BP混合算法神经网络预测模型及应用

提出用遗传学习算法和权重调整 BP算法相结合的混合算法来训练模糊模式识别神经网络预测模型 ;即先通过遗传学习算法进行全局训练 ,再用权重调整 BP算法进行精确训练 ,使网络收敛速度加快和避免局部极小 .作为实例 ,以新疆雅马渡站的实测径流资料和相应的前期 4个预报因子实测数据作为样本进行训练并用以预测雅马渡站的年径流量 .结果表明 。

基于模糊-RBF BP神经网络的天然气负荷预测

针对天然气负荷变化的特点,综合考虑各种影响因素,提出一种基于模糊RBFBP 神经网络的天然气负荷预测模型,并编制了负荷预测软件。在RBF网络模型中采用了最新邻 聚类算法,实现了网络结构和参数的双重调节,提高了训练的速度和预测的精度。将该软件应 用于实例计算,并与相关模型结果比较,证明该模型可以更加快速准确地预测天然气的负荷 值。

基于BP神经网络的模糊参数辨识

提出一种与TSK模糊模型相似的模糊模型—M-2模型,证明了M-2模型与一个4层前向神经网络是等价的,在此基础上提出基于BP神经网络的模糊模型参数辨别算法,即通过BP神经网络对样本数据的学习,直接从样本数据获取模型参数,建立M-2模糊模型,通过仿真实例验证了该算法的有效性。

基于模糊聚类及BP神经网络的采矿方法选择研究

以某铁矿为工程背景,采用模糊聚类分析的方法对采矿方法进行初选,建立了模糊聚类初选采矿方法可行方案集,通过模糊动态聚类分析,得到了初选方案。基于BP神经网络的方法预测了初选方案的技术经济指标,运用层次分析法,综合考虑经济因素、资源利用率、劳动生产率、安全因素、合理程度五大类因素,构建了采矿方法优选的评价指标体系,最终通过模糊数学综合评判,选取了最优采矿方法。

基于改进灰色模型与BP神经网络模型组合的风力发电量预测研究

针对灰色模型在数据序列无规律的风力发电量预测中精度不高的问题,通过对原始数据的平滑处理改进灰色模型,并将改进的灰色模型与BP神经网络相结合构建组合预测模型,采用灰色关联法改进组合预测的权重系数。实例分析表明,改进的优选组合模型预测的准确度高于单一模型及传统的优选组合预测模型。

改进模糊神经网络模型及其在大坝监测中的应用

鉴于传统模糊神经网络计算繁琐、模型精度较低、难以收敛等问题,在大坝位移的监测数据分析中应用改进的模糊神经网络及改进的反向传播(BP)网络算法,并建立了相应的网络模型。大量的数据分析计算表明,该模型收敛快,且精度优于常规的模糊神经网络和传统的统计模型。

基于模糊优选和神经网络的保险企业经营风险预警系统构建

论述基于模糊优选和神经网络的保险企业经营风险预警方法的理论依据,阐述组成我国保险企业经营风险预警系统的三个重要环节:基于BP神经网络的风险预警指标预测子系统、基于模糊优选理论的风险测评子系统和基于模糊优选BP神经网络的风险报警子系统三个子系统的构建原理,并通过实例分析证明该方法有效、可行。

基于云模型的模糊神经网络算法研究

针对模糊神经网络不能同时处理随机性和模糊性且人为影响严重等问题,提出采用云模型进行不确定性表达,建立云模糊神经网络模型。针对黄金分割法的误差问题,提出使用高斯拟合算法计算云模型的数字特征。利用云模型计算属性的确定度,作为隶属函数;使用改进的"软与"算法完成云规则生成及匹配;通过云模型对BP算法进行优化,避免出现局部最优解;根据输出数值及确定度判断数据所属类别。实验结果表明,云模糊神经网络对不确定性的处理具有更高的准确性。

基于模糊法和神经网络的增压开采方案的优选研究

多属性决策问题广泛存在于经济、管理、社会等各个领域中,如方案优选、工厂选址、资源分配、投资决策、项目评估、质量评估、科研成果评价、人才考核、产业部门发展排序、经济效益综合评价等,因此多属性决策理论及方法有着广阔的应用前景.对多属性决策理论、方法及其应用进行系统的研究具有重要的学术价值和实践意义.基于模糊理论的模糊优选方法是一种用于涉及模糊因素决策问题的优选方法,采用模糊优选方法可以较好地解决方案优选中的模糊性问题.本文以ANN、模糊理论为基础,对引入模糊优选方法解决气藏增压开采方案优选问题进行研究.

递归T-S模糊模型的神经网络

在常规T-S模糊神经网络的基础上加入动态递归元件,提出了递归T-S模糊模型的神经网络。在系统辨识中采用无监督聚类算法和动态反向传播算法训练该递归神经网络的参数,给出了该递归网络的逼近性证明。辨识效果与常规T-S模糊模型作比较,说明递归T-S模糊模型的神经网络在非线性系统辨识中表现出更好的性能。