遗传BP算法在洛带气田测井物性解释中的应用

应用遗传算法(GA)对BP网络进行了改进,并在此基础上,利用多种测井数据及岩心描述资料作为网络模型的学习样本,以测井解释渗透率等参数的神经网络模型为例,通过网络的学习、训练,建立了神经网络模型.应用此模型计算物性参数值,解释结果及精度均令人满意.

基于遗传BP算法的神经网络目标分类器的研究

首先阐述了水下目标识别的研究发展和系统组成 ,然后提出了一种基于遗传BP算法训练神经网络目标分类器的新方法。实验结果表明采用新方法的神经网络分类器比采用改进BP算法的神经网络分类器具有更优的分类效果。

遗传BP算法在大气环境综合评价中应用

着重介绍的遗传算法求解网络结构优化,有效解决BP算法局部收敛的遗传BP算法的原理和构建遗传BP算法的步骤,并用于焦作市大气环境质量综合评价,结果表明:该方法有简便、准确、适用性强等优点。

基于遗传BP算法的铸钢生产工艺参数的优化

应用人工神经网络对基于遗传BP算法的铸钢生产过程中部分工艺参数与部分产品质量参数之间进行了优化处理。优化后找出产品部分质量参数最优所对应的部分工艺参数的最优值(即为工艺参数规范值),以此规范值来指导生产,同时可以进行产前质量预报。

一种基于自适应遗传BP算法的神经网络目标分类器设计方法

目标分类器是水下目标识别系统的重要组成部分。本文针对线谱特征提取,提出了一种基于自适应遗传BP算法训练神经网络目标分类器的新方法。经对海上实录三类目标噪声分类识别实验结果表明采用新方法的神经网络分类器具有更优的分类效果。

遗传BP算法在双色球彩票预测中的应用

介绍了目前双色球彩票的现状,以及统计方法预测的不足,分析了BP算法和遗传算法的特点及不足,提出了遗传BP算法。基于遗传BP算法,建立了双色球预测模型,并对近100期双色球的数据进行实验验证。实验结果表明预测模型比较成功,能够在一定程度上帮助彩民朋友进行彩票选号。

遗传BP算法在阻值-温度变换中的应用

利用BP网络具有任意逼近非线性函数和内插值特性,提出一种实现常用热电阻阻值-温度变换的新方法.由于BP算法的局限性,采用遗传BP算法对网络权值进行优化.仿真结果表明此方法准确、有效,具有一定的实际意义.

基于遗传BP算法的高斯基函数网络的非线性系统辨识

针对ＢＰ算法收敛速度慢而且可能陷入局部极小值的特点，提出了基于遗传ＢＰ算法的高斯基函数网络的辨识方法，并将它应用于非线性系统进行辨识，仿真实验结果表明该方法比基于传统的ＢＰ算法具有更快的收敛速度和精度。

基于自适应遗传BP算法神经网络数据融合的空中目标识别

空中目标识别是现代防空作战的重要研究内容。本文利用不同类型目标产生的多类型传感器的数据信息对目标进行识别。为了训练神经网络目标识别分类器，将遗传算法和BP算法相结合，提出了一种新的自适应遗传BP算法，利用这种神经网络来确定指标的权值。仿真试验结果表明，基于自适应遗传BP算法神经网络的识别是一种简单、可靠的目标识别方法，具有很好的目标识别效果。

基于云自适应遗传算法的改进BP算法

针对标准BP算法对初始权值敏感、收敛速度慢、易陷入局部极小等问题,结合正态云模型云滴的随机性和稳定倾向性,以及遗传算法的全局搜索能力、收敛速度快等特性,提出了云自适应遗传改进BP算法.该算法首次将云模型和遗传算法结合调整神经网络的权值和阈值.由X条件云发生器产生改进的自适应交叉概率和变异概率.实验结果表明:云自适应遗传改进BP算法比标准BP算法收敛速度快.

基于遗传学习算法和BP算法的神经网络在矿坑涌水量计算中的应用

本文采用遗传学习算法和误差反向传播算法 (BP)相结合的混合算法来训练前馈人工神经网络 (BPN) ,即先用遗传学习算法进行全局训练 ,再用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 ,本文将该方法运用于多维时序问题 .根据山东省黑旺铁矿的矿坑充水条件建立了一个网络 ,以矿坑充水的各种控制因素相关资料作为样本 ,对网络进行训练并用训练好的网络预测矿坑涌水量 .网络的训练速度及预测结果表明 ,该算法收敛速度较快 ,预测精度很高 ,为矿坑涌水量预报提供了一种新思路和新方法 .

基于BP神经网络遗传算法的药型罩优化

线性聚能装药爆破效果的影响因素有很多,且各因素的影响多是非线性的,而且非常复杂,其中药型罩结构的优化设计一直是重点。为了探索有效的药型罩优化方法,本研究对楔形罩运用正交试验法设计方案,利用ANSYS/LS-DYNA进行数值模拟获得结果,再以结构参数和最大射流速度分别作为BP神经网络的输入和输出进行训练,并将预测值作为适应度,结合遗传算法对药型罩进行最优结构药型罩参数和最优最大射流速度搜索。结果表明,该方法能够结合正交试验法和BP神经网络遗传算法的优点,快速精确地进行药型罩结构优化。

基于关联分析和遗传算法优化BP的隧道围岩变形预测

隧道工程处于岩土介质中,岩体自然因素与隧道围岩变形难以用确定的关系表述。因此,通过现场监测隧道变形情况,预测隧道围岩变形具有重要意义。选取我国地势第二阶梯的川陕鄂黔中、低山区,以吴家沟隧道为依托,基于灰色关联分析,选取影响隧道围岩变形的主要因素,基于生物进化的思想,用遗传算法优化BP神经网络,并验证该算法的正确性和精确性。应用工程实际,得到空间维预测结果,为实际应用提供借鉴。结果表明,在隧道围岩变形预测中,遗传算法优化神经网络比原始算法精度高,满足隧道围岩变形预测精度的需要,对长大高风险隧道围岩变形预测有一定的参考意义。

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。

基于量子遗传算法优化BP神经网络短期风功率预测

风力发电的不可控性,给电网带来了很多问题,所以当前迫切需要一种高精度的风力发电预测系统。对此,提出了一种结合量子遗传算法和BP神经网络的预测方法,通过量子遗传算法优化BP神经网络的权值和阈值。最后通过MATLAB试验仿真,验证了该方法可有效提高风功率的准确性。

金字塔砂带磨损状态的声信号GA-BP识别方法

目的金字塔砂带连续磨损会引发钝峰、材料去除能力差和产热多等问题,为避免砂带磨损造成加工效率持续降低和工件表面质量逐渐恶化,需提高金字塔砂带磨损预测能力。方法在配有声音采集系统的力控机器人磨削系统中对钛合金工件进行了砂带磨损试验;基于Archard模型建立了金字塔砂带磨损模型,并对金字塔砂带磨损程度进行量化;然后利用短时傅里叶和小波包分解分析、提取砂带磨损相关的声音特征;基于声音信号特征建立GA-BP模型,并对金字塔砂带磨损状态进行预测。结果K_(r)与R_(0)规律相近,随着磨削速度的增大而略微增大。对磨削声音进行小波包分解,DD2频段的声音特征随磨削时间逐渐降低,相较于其他频段更具有规律性。提取DD2频段的声音信号特征建立GA-BP模型,并对金字塔砂带磨损状态进行预测。结果表明,决定系数(R^(2))大于0.8,平均绝对误差(MAE)小于0.04,平均偏差误差(MBE)在±0.002之间,均方误差(RMSE)小于0.05。结论随着砂带的磨损,金字塔尖锐的胞体开始磨平,单颗胞体的局部压力逐渐减小,材料去除能力减弱,产生的微振荡越来越弱,高频信号的声音特征逐渐下降。通过DD2频段声音信号特征建立的GA-BP模型对金字塔砂带磨损状态进行预测,具有准确性和稳定性。

遗传BP神经网络及其在异常检测中的应用

为了克服BP神经网络速度慢、易陷入局部最小的缺点,利用GA的全局搜索能力优化BP神经网络权值,本文提出了遗传BP神经网络算法,并将其用于异常检测之中。在对Kddcup’99攻击数据进行分析和特征约简的基础上,设定了遗传BP神经网络算法的参数。实验结果表明,基于遗传BP神经网络异常检测模型的建立快于BP神经网络算法。

基于遗传算法优化的汽车主动转向控制研究

针对汽车线控主动转向行驶稳定性问题,对汽车线控主动转向的控制策略和控制方法进行了研究;并对汽车的动力学模型进行了建立及简化;利用遗传算法可以克服BP网络收敛速度慢和极易陷入局部极小值等特点,提出了一种基于遗传算法优化BP神经网络的线控转向系统。通过选择典型工况,利用Carsim和Matlab/Simulink联合仿真平台对不同的控制方法进行了仿真验证。研究结果表明,基于遗传算法优化的BP网络控制对汽车主动转向控制效果较好,能使实际横摆角速度对理想的横摆角速度实现很好的跟踪,并显著提高了汽车行驶稳定性。

基于遗传BP神经网络的绝缘子泄漏电流预测

为了探索绝缘子泄漏电流与各因素之间的关系,提出用遗传算法优化BP神经网络建立绝缘子泄漏电流Ih预测模型。首先针对单片瓷绝缘子进行人工污秽试验,利用泄漏电流测量系统记录不同运行电压U、相对湿度RH及等值附盐密度ρESDD下泄漏电流波形并进行分析;其次以U、RH、ρESDD作为BP神经网络预测模型的输入变量,利用遗传算法的全局搜索能力获得BP神经网络初始权值和阈值,建立泄漏电流幅值预测模型,并通过部分试验数据进行验证。结果表明:相较于利用最小二乘法及BP神经网络预测泄漏电流幅值,遗传BP神经网络提高了预测的精度和准确性。

运用遗传神经网络模型对我国上市公司财务危机的预测

神经网络已经被广泛运用于公司财务危机状况的预测,然而,神经网络常常存在着收敛于局部最优解、学习时间长等缺陷而影响其预测效果;而遗传算法(Genetic Algorithm)是一种全局寻优搜索算法,能够有效克服上述缺陷。因此,文章提出的将遗传算法和神经网络相结合的遗传神经网络模型(Genetic Neural Networks),既保留了神经网络原有的优点,又克服了上述的缺点。并利用我国上市公司财务数据对公司财务危机状况进行实证分析,结果表明,该模型预测效果令人满意,预测结果明显优于一般神经网络模型。