基于遗传算法-反向传播神经网络优化高压-超声-酶解法提取羊皮胶原蛋白工艺

采用高压-超声-酶解法提取羊皮胶原蛋白,对比遗传算法-反向传播(genetic algorithm-back propagation,GA-BP)神经网络模型和响应面模型的优化效果,确定最佳工艺参数。结果表明:GA-BP神经网络在模型拟合和预测方面表现优于响应面模型;最佳提取参数为高压时间23 min、超声时间22 min、酶添加量3.2%、酶解时间222 min,羊皮胶原蛋白提取率达到(80.5±1.6)%,较传统的木瓜蛋白酶法提高40%;紫外-可见吸收光谱和傅里叶变换红外光谱结果显示,此条件下提取的羊皮胶原蛋白结构完整,高压-超声-酶解法对胶原蛋白的破坏较小。

基于层次分析法-熵权法结合遗传算法-反向传播神经网络优化金蒲橘泡腾片提取工艺

目的:采用正交试验及层次分析法(analytic hierarchy process,AHP)-熵权法结合遗传算法(genetic algorithm,GA)-反向传播(back propagation,BP)神经网络优选金蒲橘泡腾片提取工艺。方法:以绿原酸、木犀草苷、菊苣酸提取量和出膏率为指标,采用AHP-熵权法确定各指标的复合权重系数,根据L9(34)正交实验对加水倍数、提取时间、提取次数进行考察,并结合GA-BP模型进一步优选金蒲橘泡腾片提取工艺。采用高效液相法测定绿原酸、木犀草苷、菊苣酸含量,以Agilent ZORBAX SB-Aq(5μm,4.6 mm×250 mm)为色谱柱,以乙腈-4 mL/L磷酸水溶液为流动相梯度洗脱,柱温25℃,流速为1.0 mL/min,检测波长为350 nm,进样量为10μL。结果:绿原酸、木犀草苷和菊苣酸分别在24.6~787.2 mg/L、0.9~14.4 mg/L和5.4~172.8mg/L范围内线性关系良好,平均加样回收率分别为101.58%、99.60%、105.31%,RSD分别为1.87%、1.99%、1.15%。正交试验筛选出最优提取工艺为加12倍水,提取2次,每次0.5 h,综合评分为95.59分;GA-BP模型优选的最优提取工艺为加12倍水,提取2次,每次1 h,综合评分为96.86分。工艺验证表明,正交试验所得最优工艺RSD为3.15%,GA-BP模型所得最优工艺的RSD为2.75%,与预测值相对误差仅有0.14%。结论:GA-BP模型结合AHP-熵权法优选的金蒲橘泡腾片提取工艺稳定,有较好的预测性,可为其制剂工艺研究提供新的思路。

遗传算法-模糊径向基神经网络模型预测自润滑镀层耐磨性

针对传统神经网络模型存在的缺陷,引入遗传算法和模糊运算建立遗传算法-模糊径向基神经网络模型(GA-FRBFNNM),介绍了模型结构和仿真思路。以自润滑镀层耐磨性为研究主题开展正交实验,在正交实验结果中任取10组数据作为训练样本用于模型训练,其余6组数据作为测试样本用于模型性能测试。结果表明:GAFRBFNNM的预测值更接近于真实值,其预测精度明显高于相同结构的径向基神经网络模型,验证了该模型是有效的,能够更准确预测自润滑镀层耐磨性。主要归因于引入模糊运算使得径向基神经网络全部节点都具备特定意义,另外引入遗传算法优化了训练算法,避免了模型陷入局部极小点等问题,使得模型性能得到有效提升。

基于神经网络-遗传算法的功能性沥青路面材料优选

根据功能性沥青路面中全面性能的要求,采用GA-ANN法对沥青路面中的矿料配比进行优化,综合考察沥青混合料矿料类型、沥青类型和填加剂等因素。以动稳定度作为评价指标,综合考究其残留稳定度、蠕变速率、摩擦因数、渗水系数以及空隙率等因素,从而提出了功能性沥青路面矿料配比的最佳优化方案。综合评价结果显示方案是可行且有效的,在一定程度上能够满足我国公路运输事业对功能性沥青路面材料配比的要求。

人工神经网络-遗传算法优化刺糖低聚糖提取工艺的研究

目的:选取乙醇超声提取与乙醇浸提两种方法,用正交实验结果进行对比选取最优提取方法,利用人工神经网络遗传算法优化得到刺糖低聚糖最佳提取工艺。方法:以乙醇超声波辅助提取与乙醇浸提两种方法单因素实验为基本依据,浸出液中低聚糖含量为指标,采用L;(3;)正交表进行正交实验筛选出待选提取方法及工艺参数,在此基础上建立人工神经网络(artificial neural network)模型,结合遗传算法(genetic algorithm)进行极值寻优,以期获得刺糖低聚糖最佳的提取工艺。结果:所得刺糖低聚糖最佳提取条件为提取温度为85℃、提取时间为3h、液料比1∶40、乙醇浓度为15%,提取率为26.17%。结论:通过人工神经网络-遗传算法得到的提取工艺显著提高了刺糖低聚糖的提取率,本研究为刺糖低聚糖的高效提取提供一定的理论基础与指导意义。

基于BP神经网络-遗传算法和信息熵理论优化凉粉草煎煮提取工艺

目的利用BP神经网络-遗传算法结合信息熵理论优化凉粉草煎煮提取工艺。方法采用HPLC测定咖啡酸、紫云英苷、迷迭香酸、丹酚酸B的含量,UV法测定总黄酮含量,以4种指标成分含量、总黄酮含量及干膏收率为综合评分指标,采用信息熵确定各指标的客观权重,实现对提取工艺的正交试验优选;以正交试验结果作为初始种群,以加水倍数、煎煮时间、提取次数为输入值,提取综合得分作为其函数的输出值,通过BP神经网络模型结合遗传算法对煎煮提取工艺进行全局寻优。结果根据正交试验结果,最佳提取工艺为加16倍量水、煎煮3次、每次1.5 h,综合评分均值为92.08;建立结构为3-7-1的三层BP人工神经网络,结合遗传算法确定最优提取方案为加17倍量水、煎煮3次、每次1.5h,综合评分均值为92.55,优于正交试验,3批验证结果与预测值相对标准偏差均小于5%。结论BP神经网络-遗传算法结合信息熵理论稳定性及重复性好,可用于凉粉草提取工艺的预测和优选。

基于BP神经网络-GA的顶推PC箱梁临时墩拉索索力优化研究

为研究PC箱梁顶推施工过程中临时墩间拉索索力优化问题,该文以湖南省内某跨铁路顶推施工连续箱梁为研究背景,建立结构仿真分析有限元模型。基于BP神经网络-遗传算法,提出一种主梁顶推施工过程中临时墩间临时拉索索力优化的方法,并利用Matlab编制程序结合有限元软件,对顶推PC箱梁临时墩拉索索力优化进行研究。结果表明:优化后各临时墩墩顶最大水平位移有明显减小,最大降幅达到35.0%;各墩底最大应力也有显著降低且分布更为均匀,最大应力降幅达到37%;优化后结构受力安全得到了有效提高,也验证了BP神经网络-遗传算法在临时墩间拉索索力优化问题中的有效应用。

基于GA-BP神经网络算法的FDM 3D打印制件拉伸性能预测

为进一步研究熔融沉积成型(FDM)3D打印制件力学性能与工艺参数之间的关系,试验以聚乳酸(PLA)为材料,参考正交试验和神经网络模型设计原则,利用遗传算法(GA)对反向传播(BP)神经网络初始值进行优化,建立GA-BP神经网络模型,以分层厚度、填充密度、喷嘴温度、填充速度以及外壳厚度为输入层参数,拉伸强度为输出层参数进行训练和预测,并分析其预测精度。通过对GA-BP和BP神经网络模型的预测结果进行对比发现,GA-BP神经网络模型预测值与测试实际值更为接近,误差平均值为2.27%,而BP神经网络模型预测误差平均值为4.10%,且GA-BP神经网络模型评价指标值均优于BP神经网络模型,故GA-BP神经网络模型预测精度更高,可为提升FDM 3D打印制件力学性能,优化成型工艺,指导工业生产提供参考。

基于NB-IoT技术和GA-BP神经网络的车位预测系统

围绕有效整合城市停车资源,提高现有车位存量利用率的需求,构建了一种基于NB-IoT技术的车位预测系统。该系统采用NB-IoT技术进行信息采集与传输实现车位信息的共享;考虑到车位状态信息实时变化的特性,用历史车位占用数据来建立车位预测模型,推测出未来短时内车位变化趋势。为了提高车位预测的精度,采用遗传算法(Genetic algorithm,GA)优化反向传播(Back propagtion,BP)神经网络建立GA-BP神经网络车位预测模型。以某地下停车场历史数据为例进行仿真实验,研究结果表明:车位预测模型预测值与实际值相近且趋势保持一致,能够有效准确的预测车位状态变化,具有较高的精度。

基于双隐含层GA-BP神经网络的重型柴油车排放预测

为了建立一种能够预测柴油车道路排放特性的模型,文章采用便携式车载(汽车尾气)排放测量系统(portable emission measurement system,PEMS),对某重型柴油车进行道路污染物排放特性测试;利用测得的试验数据,在双隐含层反向传播(back propagation,BP)神经网络的基础上,引入Levenberg-Marquardt(LM)优化算法,用遗传算法(genetic algorithm,GA)优化网络的权值与阈值;以车辆比功率(vehicle specificpower,VSP)为输入,搭建CO、NOx排放预测模型,并用试验数据对模型进行训练、验证。结果表明,CO、NOx的预测结果与样本数据之间的皮尔逊相关系数分别为0.8553、0.8512,线性高度相关;在整体误差水平上,CO、NOx排放因子的相对误差分别为2.61%、6.71%。该方法对车辆CO、NOx的瞬时排放和整体排放特性的预测准确性较好,具有一定的理论意义和工程应用价值。

GA-BP神经网络、多元线性回归预测新疆癫痫患儿拉莫三嗪血药浓度

目的:建立遗传算法-反向传播(GA-BP)神经网络模型、多元线性回归模型预测新疆癫痫患儿拉莫三嗪血药浓度。方法:回顾性收集自治区人民医院2015年8月~2021年10月份就诊的296例癫痫患儿口服拉莫三嗪的稳态血药浓度以及临床资料,建立GA-BP人工神经网络模型、多元线性回归模型预测拉莫三嗪血药浓度,比较两种方法对拉莫三嗪血药浓度的预测能力。结果:多元线性回归分析结果显示影响拉莫三嗪血药浓度的因素有民族、合并用药、给药剂量、疗效以及部分生化指标(P<0.05);GA-BP神经网络模型对60个验证组浓度预测误差均小于10%,误差小于15%的比率是100.00%,平均预测误差(MPE)为0.00072%,平均绝对误差(MAE)为0.45%,血药浓度预测值与实测值之间的相关系数r=0.9998,预测结果较理想。多元线性回归模型60个浓度预测误差小于15%的比率是20.00%,MPE为2.54%,MAE为4.74%,血药浓度的预测值与实测值之间的相关系数r=0.2252,预测结果较差。结论:与多元线性预测模型相比,GA-BP神经网络预测模型根据患者临床资料可较好的预测新疆癫痫患儿拉莫三嗪血药浓度。

运用GA-BP算法的BKlob模型优化分析

为了进一步提升北斗卫星导航系统(BDS)克洛步伽(Klobuchar)电离层模型(BKlob)在亚太以外区域的服务性能,提出利用遗传算法(GA)优化反向传播神经网络(BP)对BKlob模型进行改进:对BKlob模型残差进行相关性分析和周期性检测;然后采用遗传算法优化BP神经网络(GA-BP)算法对模型残差进行7、30和150 d的预测,以实现对BKlob模型的改进;最后,分别以全球电离层格网图(GIM)产品为参考和单频单点定位精度提升,评估改正精度。实验结果表明:BKlob模型残差不同格网点处具有较强的相关性,且受地理纬度影响较大,受地理经度影响较小;改进的BKlob模型改正性能有明显提升,在高纬度地区和全球范围,改正率可提升50.0%、30.0%以上;采用改进的BKlob模型进行伪距单点定位(SPP)解算,三维方向均方根误差(RMSE)可提升14.84%,北(N)、天(U)方向定位精度明显提升。

基于回归分析和遗传算法优化的BP神经网络熔覆层形貌预测

针对激光熔覆过程中熔覆层形貌难以控制的问题,以45钢和Fe45分别作为基材和熔覆粉末,设计3因素5水平的试验方案,并测量熔覆层的宏观尺寸。首先,利用遗传算法(GA)对反向传播(BP)神经网络的初值进行优化,建立了GABP神经网络模型,以激光工艺参数为输入、熔覆层形貌为输出进行了训练和测试,分析其预测精度。然后,分别以回归分析、BP神经网络和GA-BP神经网络三种方法建立预测模型,并与实际得到的熔覆层形貌进行比较。结果表明,通过遗传算法优化的GA-BP神经网络模型与实际的误差约为3%,BP神经网络模型与实际误差为7.38%,而回归分析预测模型预测误差最大可达到15.5%。经比较可知,GA-BP神经网络预测模型的结果与实际最为接近。故GA-BP神经网络预测模型对提高熔覆层质量具有一定的指导价值。

基于GA-RBFNN算法的列车车轮踏面损伤识别

为了实现列车车轮踏面损伤识别,提出了一种基于GA-RBFNN算法的货车车轮踏面损伤识别方法。该算法采用浮点数编码将RBFNN的中心参数和宽度进行了编码,利用GA的选择、交叉和变异操作优化网络参数,权值采用最小二乘法确定。利用该算法和BP算法、传统的RBFNN算法进行了剥离和擦伤识别的对比实验,结果表明:GA-RBFNN算法对剥离、擦伤和非损伤三类样本的测试集的识别率高于传统的RBFNN算法和BP算法,而且GA-RBFNN算法的进化代数远远小于BP算法和传统的RBFNN算法迭代次数。

零维预测燃烧模型建模方法

为了解决神经网络建立的柴油机零维燃烧模型对稳态和动态工况预测能力不稳定问题,本文采用遗传算法对神经网络的初始权值、阈值进行综合优化,提出了遗传算法-神经网络算法。基于TBD620型柴油机,通过稳态和瞬态试验获得运行参数和缸压数据,通过代数分析法结合遗传算法获得对应燃烧参数,最后分别利用遗传算法-神经网络算法和神经网络算法对燃烧模型进行构建并对比辨识结果。结果表明:与神经网络算法相比,遗传算法-神经网络算法构建的零维燃烧模型对应φ_(50)和IMEP预测值平均误差分别降低了43.84%和42.73%,遗传算法具有高效的权值、阈值寻优能力,模型具有更高的预测精度,泛化性更好,适用于柴油机零维燃烧模型研究。

一种加权圆模型的AOA与RSSI融合定位算法

针对多径效应和非视距给定位精度带来负面影响的问题,提出一种适用于3个基站的基于加权圆的融合定位算法:将接收信号强度(RSSI)定位法与到达角(AOA)法相融合;并由于传统的无线信号路径损耗模型在预测距离时易对环境参数有所依赖,提出利用自适应遗传算法(AGA)-反向传播(BP)神经网络来构建传播模型以确定加权圆的权值初始值;最后根据不断迭代的加权范围和角波束来估计待测点位置。实验结果表明,与其他混合定位方法的性能相比,将AGA-BP和加权圆算法相结合能更好地提高定位精度;同时,为测试鲁棒性,加入不同大小的干扰角度,结果可见,提出的算法能有效处理非视距误差。

基于组合输入ES-GA-BP的中欧班列货运量预测

中欧班列是推动“一带一路”倡议的重要支撑,科学合理地预测班列需求,对中欧班列运输方案的制定具有重要意义.以中欧班列铁路货运量预测为对象,统筹考虑中欧班列货运量的波动性和影响因素,提出一种基于组合输入指数平滑-遗传算法-反向传播(ES-GA-BP)神经网络的货运量预测方法.分析中欧班列货运现状,选取相关性高的影响因素作为神经网络输入;采用指数平滑法对波动较大的中欧班列货运量历史数据进行单项拟合预测,以优化神经网络输入;利用遗传算法优化反向传播神经网络参数,进一步提高预测精度;以“湘欧快线”国际运输通道货运集装箱数量预测为实例,验证方法的有效性.结果表明,组合输入ES-GA-BP方法适于解决波动较大的货运量预测问题,预测精度较好,有助于制定合理的中欧班列运输方案.

RSM与GA-ANN联用优化超声辅助水提取多酚工艺

为探究超声波细胞破碎机辅助水提取多酚的可行性,以橙皮为原料,利用响应曲面法(response surface methodology,RSM)可视化分析了温度、占空比、料液比对多酚产量的影响(显著性、交互性、主次性)。随后以RSM数据为样本,通过遗传算法-人工神经网络(genetic algorithms-artificial neural network,GA-ANN)对样本数据深度学习并优化。结果表明,水相体系中高温(70℃)可有效促进多酚的释放,但是较高占空比却显著造成多酚降解。RSM与GA-ANN联用具有更优的预测能力,其优化条件为:温度67℃,占空比1/2,料液比1∶25 g/mL。总酚得率为8.21 mg GAE/g,达到80%甲醇水提取产量的84%。实验证明了超声辅助水提取多酚的可行性及RSM与GA-ANN联用在优化提取中的卓越性。

超声波辅助酸性天然低共熔溶剂提取黑果腺肋花楸花青素及其稳定性和抗氧化活性分析

建立一种绿色、高效的超声波辅助酸性天然低共熔溶剂提取黑果腺肋花楸花青素的新方法,利用人工神经网络和遗传算法优化提取条件,并研究花青素提取物的稳定性和抗氧化活性。以甜菜碱和有机酸为氢键受体和氢键供体,制备了一系列酸性天然低共熔溶剂,并对其密度、粘度、pH理化性质进行了测定,通过红外光谱研究了天然低共熔溶剂的结构和形成机理,利用人工神经网络结合遗传算法优化了最佳提取条件,并评价了花青素提取物的光稳定性、热稳定性和抗氧化活性。结果表明,甜菜碱和乳酸通过氢键相互作用形成的天然低共熔溶剂具有密度低(1.19)、粘度小(24.75 mPa·s)、pH低(2.89)的特点,其最佳提取条件为:以甜菜碱和乳酸制备天然低共熔溶剂,摩尔比1:3,含水量为32%,超声功率124 W,超声时间24 min,初始超声温度32℃。在此最佳条件下,花青素的提取率达到23.62 mg/g。与传统溶剂和其它方法相比,本方法绿色高效,操作简单。稳定性和抗氧化实验结果显示,光照会加速提取物中花青素的降解,当温度大于50℃时,花青素热降解加速,一级动力学降解常数k>0.0234。当质量浓度为200μg/mL时,花青素提取物的DPPH自由基清除率和总抗氧化能力分别为62.30%和6.39 mmol/L FeSO_(4)·7H_(2)O当量,且在质量浓度为30μg/mL时,花青素提取物的ABTS+自由基清除率为85.14%,显著(P<0.05)高于VC,且与浓度呈正比。因此,超声波辅助酸性天然低共熔溶剂法可有效提取黑果腺肋花楸花青素,该法绿色环保,操作简单,为黑果腺肋花楸资源的开发利用提供科学依据。

准噶尔盆地东部梧桐沟组岩性圈闭预测和油藏分布规律

采用层序地层学、测井约束反演以及地震属性优选等方法,对准噶尔盆地东部Q区块梧桐沟组低位域水下扇体进行储集层和圈闭识别,进而利用预测的含油饱和度检测油藏范围。Q区块上二叠统梧桐沟组可分为低位体系域、湖侵体系域和高位体系域。其中低位体系域的水下扇扇中辫状水道是储集层最发育位置。随着湖平面反复升降,尤其是湖侵体系域沉积泥岩的封盖作用,使得原水道沉积砂体被泥岩所包围,后又经过构造抬升,形成上倾尖灭的岩性圈闭。结合测井约束反演综合识别出储集层和岩性圈闭的位置,利用遗传算法和神经网络联合优选法进行地震属性优化,结果表明含油气饱和度最优区位于研究区西部、西南部,其中以西南部储集层更好、含油气性最佳。