BP神经网络结合遗传算法多目标优化秦皮提取工艺的研究

目的:使用BP神经网络结合遗传算法用于秦皮提取工艺的多目标优化。方法:以秦皮甲素和秦皮乙素为指标,采用均匀设计法优化BP神经网络模型参数,并建立网络模型,再利用遗传算法对网络进行多目标寻优,获得秦皮的最佳提取工艺。结果:得到的最优工艺条件为提取温度99℃、乙醇体积分数50%、液固比7、提取时间94 min,网络在此条件下的预测值为秦皮甲素提取量为9.617 mg.g-1,秦皮乙素提取量为2.195 mg.g-1,和实际测量值的相对误差仅为-1.16%和-5.14%,具有较好的网络预测性。结论:BP神经网络结合遗传算法可用于秦皮提取工艺的多目标优化。

神经网络结合遗传算法用于航迹预测

研究利用遗传算法对BP神经网络进行优化设计,建立了基于遗传算法的BP神经网络机动目标航迹预测模型。该模型克服了普通神经网络算法在训练过程中容易陷入局部最优点的缺陷,得到了更高的学习精度和更快的收敛速度。最后,用实测数据进行了验证分析,结果表明,基于遗传算法的神经网络的预测模型比单神经网络预测模型预测精度高,可用于航迹的预测。

人工神经网络结合遗传算法在建模和优化中的应用

用MATLAB构造了人工神经网络和遗传算法程序。人工神经网络用来建立数据样本间的函数关系 ,而遗传算法用来求解由该函数作为目标函数的优化问题。最后用一个实例对所编程序进行了测试 。

人工神经网络结合遗传算法反演岩体初始地应力的研究

提出综合应用实数编码的遗传算法与改进的BP神经网络的优化反演分析方法,并通过数值分析,探讨了该方法在应用于位移反演岩体初始应力与材料参数方面的有效性.在算例中,以Burgers模型的计算数据作为改进神经网络的训练样本,用遗传算法搜索待反演参数解向量.计算结果表明利用遗传算法优化神经网络权值能提高神经网络迭代算法的效率与可靠性.该方法应用于岩体初始应力场的反演具有迭代过程平稳、收敛快、结果准确等特点,能够有效地求得岩体初始应力与材料参数.

BP神经网络结合遗传算法优化玫瑰茄火龙果固体饮料工艺条件

以火龙果与玫瑰茄干花提取液为芯材,麦芽糊精、可溶性淀粉、阿拉伯胶为壁材,采用喷雾干燥法制备固体饮料。首先使用单因素实验确定提取液用量和壁材使用量,采用正交设计实验探讨进料温度、进料速度、风机速度3个工艺参数对玫瑰茄火龙果固体饮料喷雾干燥效果的影响;在正交实验的基础上,通过BP神经网络确定预测模型后结合遗传算法对喷雾干燥工艺参数进行寻优,获得火龙果玫瑰茄固体饮料的最佳工艺。喷雾干燥最佳工艺条件为玫瑰茄火龙果提取液质量浓度600 g/L,进风温度131 ℃,进料速度22 mL/min,风机速度3.1 m 3/min,在此条件下得到的玫瑰茄火龙果固体饮料的出粉率为47.85%,相比正交实验的优化结果47.12%,提高了0.73%。BP神经网络结合遗传算法优化喷雾干燥工艺制备玫瑰茄火龙果固体饮料是可行的,可为农产品的深加工工艺优化提供参考。

BP神经网络结合遗传算法优化MIP工艺的产品分布

采用MIP工业装置原料油性质、再生催化剂性质和操作条件等18个变量,使用Pearson相关系数法约简了芳烃含量和第一反应区出口温度两个变量,以约简后的16个变量为输入变量,4个主要产物收率为输出变量,建立了结构为16-20-4的BP神经网络模型。验证表明,所建立的神经网络模型可靠性良好。将所建立的BP神经网络模型与遗传算法相结合,优化了仅汽油收率最大和汽油收率最大并且焦炭收率最小时的操作条件,结果表明,操作条件的优化值与MIP工艺实际情况相符。采用所建立的BP神经网络产品收率模型与遗传算法相结合,可以实现多目标优化,与单纯优化汽油收率相比,虽然汽油收率有所降低,但是焦炭产率有较大幅度下降,对工业生产有指导作用。

人工神经网络结合遗传算法在焙炒大米过程中的应用

焙炒是一种全新的使原料淀粉糊化的方法.它用热风替代水蒸气,在高温,短时间的条件下处理原料米,具有无废水污染,容易保存等优点,为食用酒酿制过程中的一种新型技术.通过对焙炒大米的3个指标:糊化率、脂肪含量和氨基氮进行测定,利用人工神经网络技术ANN对上述性能指标和操作参数的数据进行训练学习,得到可以描述焙炒过程操作条件和性能指标之间关系的模型.在所得模型的基础上,利用遗传算法GA对大米的焙炒条件实施优化,对未参与ANN建模的数据进行评价和比较,结果发现,结合使用ANN和GA,能够比较准确地预测对应于期望指标的操作条件,预测结果与实验数据吻合.

BP神经网络结合遗传算法用于丹参提取工艺的多目标优化

目的:使用BP神经网络结合遗传算法用于丹参提取工艺的多目标优化。方法:通过已知文献的丹参提取工艺优化实例,采用均匀设计法优化BP神经网络模型参数,并建立网络模型,再利用遗传算法对网络进行多目标寻优,获得丹参最佳提取工艺。结果:BP神经网络结合遗传算法用于丹参提取工艺的多目标优化,模型拟合度和预测性均高于文献采用的多元回归法。结论:BP神经网络结合遗传算法可用于丹参提取工艺的多目标优化。

基于神经网络结合遗传算法的Jiles-Atherton磁滞模型参数计算

根据改进的Jiles-Atherton磁滞数学模型,提出了一种实用的磁滞模型参数的提取方法,即基于神经网络结合遗传算法的方法,通过神经网络训练拟合寻优函数,以及遗传算法极值寻优,而得到Jiles-Atherton磁滞模型的5个常规参数。计算证明,应用本文方法的计算参数得到的磁滞回线与实验磁滞回线相吻合。

一个神经网络结合遗传算法的叶轮逆命题设计方法

本文的目的是利用神经网络实现离心压缩机叶轮的逆命题设计。为此,结合实例叶轮逆命题设计问题通过遗传算法的演化和训练建立了前馈神经网络。所建网络随之用于求解给定表面速度分布情况下的叶片型线。数值模拟显示。

神经网络结合遗传算法在建筑优化设计中的应用

采用遗传算法对建筑设计进行优化,是建筑设计领域一个全新的研究方向,然而,在日照分析下基于遗传算法求解最优值时,需要对每个进化个体进行适应度函数的计算,将消耗大量的运行时间.为了降低算法的复杂性,提出一种神经网络结合遗传算法的建筑优化设计方法.研究结果表明:与传统遗传算法对比,该方法可以有效降低算法的迭代次数和运行时间,提高建筑优化设计的效率.

人工神经网络结合遗传算法对CFWRP固化制度的优化

聚合物基复合材料的固化制度是影响其性能经济指标的重要因素。它们之间的关系既无先验公式表征,又为非线性,一般是采用“试凑法”探索试验,但耗时长也未必达到优化目的。神经网络法具有超强非线性映射能力,可自动总结出数据之间的函数关系,遗传算法可多点群体搜索,并可不陷入局部最优点。本文以碳纤维缠绕聚合物基复合材料(CFWRP)制成NOL环试件,在试验基础上采用人工神经网络结合遗传算法对固化制度进行优化,得到较好的结果。

采用BP神经网络结合遗传算法优化薄壁塑件注射成型工艺参数

以冰箱冷藏饰条的注射成型为例,基于注射成型过程的CAE模拟,采用BP人工神经网络与遗传算法相结合优化注射成型工艺参数,减小塑件成型的翘曲变形量。采用优化后得到的最佳工艺参数进行实际生产验证,获得了满意的效果。

人工神经网络结合遗传算法对网站开发优化的应用

对于企业管理者,必须就某些特定的设计目标与网站设计人员进行沟通,通过最初的开发、网站评价、改进过程,不断地促进电子商务网站的发展。本文提出了用人工神经网络通过学习(或训练)自动总结出EC网站设计因素与某经营目标数据间的函数关系,再用遗传算法来完成由该函数作为目标函数的优化方法,使网站的改进设计有科学的依据。

神经网络结合遗传算法优化应用

神经网络特别是BP网络因其函数逼近能力已取得了广泛的应用 ,遗传算法因其解决优化问题的普遍适用性而在现实生活及科研领域获得了广泛应用。本文提出的优化策略是为解决一些工程优化问题 ,即用神经网络及遗传算法结合起来解决此类问题。以BP网络的函数逼近能力隐式地得到问题的函数表达式 ,再用遗传算法优化该网络的输出。

人工神经网络结合遗传算法在注浆材料配方优化中的应用

采用人工神经网络技术建立了注浆加固材料组成成分与其力学性能之间的非线性多目标模型。运用遗传算法对神经网络算法进行了改进,并在大量试验数据的基础上,对改进后的人工神经网络进行训练和验证,最后得到了能预测特定配方注浆材料力学性能的人工神经网络模型。研究表明:采用能预测特定配方注浆材料力学性能的人工神经网络模型结合遗传算法对注浆材料配方进行设计,可得到注浆加固材料的优化配方,从而弥补了传统配方优化设计方法的不足。

人工神经网络结合遗传算法优化保护剂提高罗伊氏乳杆菌抗冻性能

为提高新筛选的罗伊氏乳杆菌LTR1318冷冻干燥过程中的抗冻性能,通过单因素试验先筛选出影响乳酸菌冻干存活率的4个主要因素:脱脂乳、谷氨酸、低聚果糖和山梨糖醇。再利用Box-Behnken试验设计不同保护剂组合下的菌株冻干存活率为训练集和测试集,构建径向基函数人工神经网络模型,模型拟合度可达0.9844。结合遗传算法对神经网络的拟合结果进行50次迭代寻优后,得到的最佳保护剂配方为脱脂乳10.90%、谷氨酸1.20%、低聚果糖1.30%和山梨糖醇0.80%。验证此条件下的冻干存活率为(95.74±5.07)%。经过人工神经网络结合遗传算法优化保护剂组合的策略,菌株在冻干过程中的乳酸脱氢酶和β-半乳糖苷酶的酶活力分别提高了53.19%和3.53倍,是正常培养条件下酶活力的78.25%和86.43%。此外,冷休克蛋白基因的相对表达量小幅上调8.29%。通过采取上述策略,本研究探索出一种新型益生菌的冻干工艺,为乳酸菌冻干制剂的制备和真空冷冻干燥技术的进一步应用提供参考和指导。

BP神经网络结合遗传算法优化羊肉汤中香辛料的添加量

目的:利用BP神经网络结合遗传算法优化羊肉汤中香辛料的添加量,建立预测模型,为羊肉汤风味的改善及膻味的去除提供最优配比的香辛料添加量。方法:通过单因素试验得出相应添加量后,采用Box-Benhnken设计(BBD)考察3种香辛料添加量对羊肉汤样品感官评分的影响。利用遗传算法在试验水平范围预测全局最优的3种香辛料添加量的复配结果。结果:方差分析(ANOVA)结果表明:百里香添加量、生姜添加量、花椒添加量与百里香添加量的交互作用以及花椒添加量与生姜添加量的交互作用均对羊肉汤感官评分具有显著影响(P<0.05)。BP神经网络的训练、测试和总体数据的相关系数分别为0.9914,1和0.9849,表明BP神经网络预测模型的准确性很好,可用于羊肉汤感官评分结果的预测。结论:利用遗传算法寻优的结果为百里香添加量0.54%、生姜添加量0.48%、花椒添加量0.16%,最终感官评分的试验值为20,与模型预测值的误差仅为2.7%,说明BP神经网络模型结合遗传算法是一种可用于优化香辛料添加量配比的方法。

BP神经网络结合遗传算法进行股市预测的研究

本文通过建立BP神经网络结合遗传算法的预测模型,对2004年上证指数进行了短期的预测。经过实例分析,本文建立的模型较好的模拟了股市的短期走势,在宏观环境没有发生大的变化的情况下,可以为投资者提供较好的参考依据。

基于神经网络结合遗传算法的混凝土弹模与强度性能预测

当前混凝土强度及弹性模量的测试方法各有特点和局限性,本文综述了神经网络结合遗传算法,对混凝土标准试件的抗压试验、回弹法和钻芯法的试验方法得到试验值的优化计算,探索混凝土标养试件方法、回弹法和钻芯的性能指标的相关性,建立三者之间的联系,寻求一种在不伤害道路、桥梁等结构物前提下得到混凝土弹模及强度的方法,即无损检测方法。