BP网络训练函数选取及其岩土工程应用分析

首先介绍BP神经网络的主要训练函数及特点,论述其在针对解决典型岩土工程问题时训练函数的合理选取问题。通过仿真实例对比分析表明采用trainlm函数优于其它函数。同时在trainlm函数的应用方面做了较为细致的研究,给出了该函数的一些使用技巧。

基于BP神经网络的训练函数选取研究

首先介绍BP神经网络的特点,论述其在岩土工程中的实用性,以Matlab神经网络的作为工具,基于触探模型作为研究对象,对不同的训练函数进行了仿真比较,建立黄土旋转触探模型,以所采集的实验参数,进行BP神经网络的训练函数研究。结果表明采用不同的训练函数其存在明显的差异。综合考虑干密度误差,含水量误差,干密度误差（样本顺序）,含水量误差（样本顺序）以及迭代次数和性能误差等因素,选用trainlm作为训练函数,trainlm函数由于其训练速度较快且计算精度较高而显现出一定的优势。最后采用不同的训练函数对网络进行训练,进行总结其优缺点。

探究不同训练函数对于NAR高铁沉降预测模型的影响

为探究不同训练函数对于非线性自回归(nonlinear auto regressive,NAR)高铁沉降预测模型影响,研究选择以我国某段高铁沉降数据作为研究对象,探究不同训练函数对于NAR高铁沉降预测模型的影响。试验结果表明:在本次数据预测模型研究中,弹性反向传播算法表现出更优的预测水平,其预测结果的RMSE=0.52 mm,MRE=0.04 mm,ME=0.40 mm,MSE=0.31 mm。动量梯度下降法算法表现出更快的训练速度,其完成参数训练平均时间为42.42 s,研究结果可为后续对于NAR高铁沉降预测模型的训练模型选取提供参考。

BP神经网络实现函数逼近的应用分析

文章指出了BP神经网络存在的问题,选择了一个具体的目标函数,利用Matlab的神经网络工具箱进行系统仿真,通过改变系统的隐层神经元数目、训练函数和激励函数,分别比较了系统在模型发生改变后在实现函数逼近性能方面的差异,并提出了要使BP神经网络在函数逼近方面具有良好的性能,在隐层神经元数目、训练函数以及传递(激励)函数三个方面需要注意的问题。

基于BP神经网络的交通事故预测方法研究

在分析道路交通事故影响因素的基础上,运用主成分分析法确定交通事故的9个主要影响指标,并以这9个指标为输入,以事故数、死亡人数、受伤人数及经济损失作为输出,建立交通事故BP神经网络模型。以1991-2011年的数据作为训练样本,2012年的数据作为检验样本,选取不同的训练函数,用matlab对网络进行训练,并对预测结果进行比较分析,结果表明BP神经网络对交通事故预测精度较高,且训练函数对预测精度有较大影响。

吸力内摩擦角的确定方法研究

吸力内摩擦角在非饱和土抗剪强度理论中是一个关键参数,因受设备、测试技术以及试验方法等的限制,对于其值的确定难度较大。详细地分析了土的基本物理力学性质、测试方法对吸力内摩擦角数值的影响,并通过定性分析和定量计算结合,认为干密度、含水率、内摩擦角、黏聚力与吸力内摩擦角之间存在着一定的非线性关系,因而借用人工智能——BP神经网络的方法构建了4:9:1的网络结构模型,实现了对吸力内摩擦角φb的预测和计算。通过预测结果的分析可知,该模型模拟和预测的精度均较高,因此,该种方法可以应用到非饱和土吸力内摩擦角值的预测之中去。

基于神经网络的桥梁结构损伤识别分析

阐述了利用神经网络进行桥梁损伤识别的可行性、优越性;重点讨论了适合桥梁损伤识别的训练函数特性、数据处理和样本集的构成;利用Traindx和Trainlm神经网络训练函数编写了桥梁结构损伤识别神经网络程序,该程序具有较强的容错性,在结构检测数据带有较大误差时,也能识别出损伤位置;通过算例分析了网络中不同的训练函数、检测误差、隐层神经元个数对识别性能的影响,并得出利用Trainlm函数训练神经网络更理想,神经元越多识别效果越好的结论.

基于BP神经网络自贡房地产价格走势预测

文章通过分析调查影响自贡房地产市场的主要因素,基于BP神经网络,结合自贡住宅市场的实际情况,建立两类BP神经网络预测模型:基于时间序列的趋势预测模型、基于影响因素的回归预测模型,预测了自贡房地产市场价格走势。模拟预测2010年的结果证明了2011年房价预测的有效性,可为自贡城市建设的可持续发展提供有价值的指导意见。

基于改进的BP神经网络对西安黄土抗剪强度指标的研究

运用带适应学习率和动量因子的梯度递减法——TRAINGDX训练函数的BP网络对黄土的抗剪强度指标进行了预测。首先分析了影响黄土抗剪强度的6个影响因素,而后建立了6∶14∶2的神经网络(Artificial Neural Network)黄土抗剪强度指标的预测模型,最后借助Matlab为平台,利用自编的程序,进行了预测计算。通过对预测结果的分析可知该模型模拟和预测的精度均较高,可以应用到黄土抗剪强度指标的预测中。

基于支持向量机的电网安全抽检数据分析方法

电网安全数据子集中缺少处理目标函数的松弛变量,导致抽检数据处理线程吞吐量过高,为此,提出支持向量机的电网安全抽检数据分析方法。根据支持向量机提取电网安全抽检数据特征,计算特征子集上的信息维度;利用该信息维度设计支持向量机数据分析函数,采用敏感函数训练损失的电网安全数据子集,处理目标函数松弛变量,构建电网安全抽检数据分析模型,完成电网安全抽检数据分析。实验结果表明,该方法的抽检数据处理线程吞吐量最高为6000条/s,说明电网安全抽检数据分析效果较好。

BP算法的改进在Matlab的实现研究

利用 Matlab中的神经网络工具箱提供的丰富网络学习和训练函数 ,对 BP网络和 BP算法的优化方案进行仿真 ,得到较优的 BP算法。

基于MATLAB和神经网络的露天矿生产计划优化

本文借助神经网络所具有的自学习、自适应的特点,利用MATLAB工具箱中的神经网络训练函数,构造了矿山生产计划中的主要技术经济指标预测模型,管理人员不需要编程即可用模拟方法进行计划与调整,提高了露天矿编制生产计划的合理性,为采掘生产计划优化工作提供了切实可行的新途径。

模糊神经网络在消化道系统疾病诊断中的应用

目的运用模糊神经网络( FNN)模型,对四种消化道系统疾病进行辅助诊断。方法从100例消化道系统疾病的病例中随机抽取70例作为训练集,15例作为验证集,15例作为测试集,通过对网络进行训练,用训练好的网络对验证集和测试集进行仿真诊断试验。结果 FNN诊断消化道系统疾病的准确率达到95.2%以上。结论 FNN模型可以用来在临床上作辅助诊断。

模糊神经网络在腹痛的中医临床诊断中的应用

运用模糊神经网络(FNN)模型,对254例腹痛中的大肠聚、肝郁肋痛、湿热黄疸、湿热泄泻、食滞胃痛、大肠痈、虚寒泄泻、脾心痛、气滞腹痛9种中医临床病症进行辅助诊断,得到9种腹痛病症的准确率达到95.4%以上,从而FNN模型可以用在临床上作辅助诊断。

人工神经网络在船员适任性中的研究

本文针对船员适任性中的不足,利用数据挖掘得出其影响因素;然后建立3层神经网络结构和确定了隐层节点数量,并对神经网络结构进行训练;最后,对选用的约简集中的因素与目标之间的一维关系进行分析,以此来提高船员的航海安全,降低人为因素造成的航运事故。

基于BP神经网络模型的中小企业财务危机预测与分析

本文以资产负债率等在内的20个主要财务指标为输入层参数,以财务状况为输出层参数,选用trainlm训练函数,构建20×38×14×1四层结构的中小企业财务危机BP神经网络预测模型,并进行精度验证和实用证实。结果表明:该BP神经网络模型具有较好的预测能力和较高的预测精度,其训练输出值的错误率为4.29%、预测输出值的错误率为5%;与traingdm和traingd函数相比,trainlm训练函数的精度最高、训练时间最短。

φ^b值的一种预测方法

基于TRAINLM训练函数的BP神经网络对非饱和土吸力内摩擦角φ~b的预测研究。首先分析了影响吸力内摩擦角值的4个影响因素,而后建立了4∶9∶1的神经网络（Artificial Neural Network）对吸力内摩擦角φ~b的预测模型,最后以Matlab为平台,利用自编的程序,进行了预测计算。通过预测结果的分析可知该模型模拟和预测的精度均较高,可以应用到非饱和土吸力内摩擦角值的预测中。

基于神经网络的电力变压器故障性质诊断研究

本文利用BP神经网络针对电力变压器故障性质诊断进行了研究,建立了5-12-3型神经网络模型,对比多种改进的BP算法选择最佳的训练函数。经实际数据仿真验证该模型能准确快速地得到诊断结果,达到预期效果。

跳汰机矸石段过程状态的智能识别

根据神经网络训练函数的具体试验训练,可得出跳汰控制过程中的基础信息,根据这些信息可推断跳汰机矸石错配物情况与跳汰床层的分层状态。这种智能识别技术对提高和稳定跳汰选煤的数量效率和质量效率有十分重要的意义。