基于预测神经元模型的语音线性预测系数求解新方法

采用预测神经元作为语音信号线性预测模型的一种实现形式 ,可将线性预测系数的求解问题转化为预测神经元的训练问题 ,并运用 BP算法得到了神经元权值 (即线性预测系数 )的递推计算公式 .考虑到语音信号能量的不确定性 ,提出了运用相对预测误差能量作为收敛判断的参数 ,并按清音和浊音两种情况讨论了收敛判据 .由于利用预测神经元的迭代训练算法 ,理论上可以最大限度地挖掘语音样本中的相关性 ,因而可得到非常精确的线性预测系数 .计算结果表明 ,运用预测神经元方法所得到的线性预测系数 。

基于BP神经网络的云南花卉物流需求预测

文章首先对云南花卉市场进行现状分析,在此基础上以近10年来云南花卉总产值为变量依据,来预测云南花卉的未来物流需求量情况。文章提出了可能会影响花卉物流需求量的8个因素,运用BP神经网络预测法并结合近10年的云南花卉总产值对未来3年的需求量进行预测。预测结果表明,未来几年,云南花卉市场对于物流的需求不降反增。而作为鲜活植物产品,花卉的运输又对冷链物流提出了更高的要求。因此,提高冷链物流的技术势在必行。

CRRT治疗重症肺部感染相关脓毒症患者预后的影响因素及预测模型

目的:探讨连续性肾脏替代治疗(CRRT)治疗重症肺部感染(SPI)相关脓毒症预后的影响因素,并构建神经网络预测(ANN)模型。方法:选取2020年3月—2022年10月柳州市柳铁中心医院收治的150例SPI合并脓毒症且行CRTT的患者进行研究,按照患者治疗30d内是否死亡将其分为研究组(死亡)和对照组(存活)。收集患者相关临床资料并分析其死亡影响因素,以此建立ANN模型。结果:150例SPI合并脓毒症且行CRTT的患者中,30d内死亡56例(37.33%),30d内存活94例(62.67%)。多因素Logistic回归分析结果显示,年龄大、脓毒性休克、急性生理学与慢性健康状况Ⅱ(APACHEⅡ)评分高、多器官功能障碍评分(MODS)高、多器官衰竭、机械通气、内毒素(ET)水平高、降钙素原(PCT)水平高、血乳酸(Lac)水平高是CRRT治疗SPI并脓毒症患者死亡的危险因素,白蛋白(Alb)水平高是保护因素(P<0.05)。基于上述因素建立的ANN模型,AUC为0.975。对模型进行验证得到的AUC为0.962。结论:年龄、脓毒性休克、APACHEⅡ评分、MODS评分、器官衰竭数目、机械通气、Ala、ET、PCT、Lac水平是CRRT治疗SPI相关脓毒症患者死亡的影响因素,在此基础上建立的ANN模型预测效能良好,可有效阻断病情发展、降低预后不良发生率。

基于BP神经网络的船闸基坑变形预测方法

船闸基坑开挖改变了地层中的原始应力状态,造成临近地面及临近建筑物产生变形。对基坑临近地面及建筑物变形进行预测,以选择经济合理的支护措施尤为重要。依托实际船闸基坑工程,考虑粘聚力、内摩擦角、弹性模量、基坑深度、放坡坡率以及地下水因素共同作用,采用有限元软件Midas GTS/NX对各因素通过正交设计后的基坑施工工艺组合开展了数值模拟,得到了不同组合下基坑临近地面不同位置处的变形特征。基于BP神经网络理论,建立了滨海地区船闸基坑无支护情况下开挖时临近地面变形的三层结构(7-7-1)神经网络预测模型。利用得到的179组基坑沉降数据对模型进行训练,21组数据对模型进行验证。结果表明,模型能够很好地对滨海地区基坑临近地面沉降进行预测。该方法可为类似工程支护措施设计提供参考。

基于改进神经网络算法的数控钻攻中心进给轴热误差预测

为降低数控机床热误差对数控钻攻中心的影响,提高工件的加工精度,解决不同工况下热误差预测精度不佳的问题。在进给速度为10 m/min、环境温度20°的工作条件下进行数控机床进给系统热误差测量实验,采用鹈鹕优化算法对神经网络进行优化,确定BP神经网络的最优权值和阈值,建立进给系统热误差的POA-BP预测模型,并与传统BP神经网络和GA-BP神经网络以及SCN随机配置网络进行实验对比分析。结果表明,传统BP神经网络预测平均相对误差为12.23%,GA-BP神经网络平均相对误差为11.5%,SCN预测模型预测平均相对误差为12.71%,POA-BP预测模型预测平均相对误差为9.93%,精度有所提升。结论:提出的鹈鹕优化算法改进的神经网络在热误差预测中具有较强的有效性和精确性,可以提高进给运动精度,为热误差补偿的实现提供理论指导。

基于注意力机制神经网络的数学教学质量预测

数学教学质量评价是一个多因素、多层次的复杂过程,为提升数学教学质量评估的准确性和效率,文中提出一种基于注意力机制优化的神经网络评估预测方法。在数学教学评价一级指标与二级指标之间构建注意力增强层,提取重要的指标特征,并利用提取的特征构建神经网络评估预测模型。仿真结果表明,所提方法具有模型结构高效、预测准确度高的效果,在教学管理中具有一定的应用价值。

施工场景下灰色小波神经网络短时交通量预测模型研究

在城市道路施工场景下应用短时交通量预测对提高施工区域交通效率及安全水平至关重要。考虑到施工场景下短时交通量历史样本量小且样本呈现非线性的特点,引入灰色预测模型,构建施工场景下的灰色小波神经网络短时交通量预测模型。以行宫西大街由西向东断面的交通量数据为例,分别基于小波神经网络短时交通量预测模型、灰色小波神经网络短时交通量预测模型,利用Matlab进行训练。结果显示,灰色小波神经网络短时交通量预测结果的平均绝对误差、平均相对误差和均方误差相较于小波神经网络短时交通量预测模型,分别降低了74.14%、75.21%和92.70%,该模型对城市道路施工场景下的短时交通量预测精确度更高。

面向电主轴热误差预测建模分析的改进IGWO-LSTM算法

针对电主轴复杂运行工况下的热误差建模问题,提出一种基于改进灰狼优化算法(IGWO)的LSTM神经网络参数预测模型IGWO-LSTM。通过对灰狼算法收敛因子a计算方法进行优化来提高算法寻优性能;通过IGWO算法的适应度函数与LSTM隐含层节点数组成的IGWO-LSTM闭环系统对电主轴热误差预测模型进行训练和预测,避免陷入局部最优,同时提升模型预测精度。为了验证该算法性能,将它与改进前的算法进行对比,通过求取平均绝对误差、平均绝对百分比误差以及均方根误差对这两种神经网络进行评价,结果显示:文中算法的3种指标均优于改进前的LSTM模型,具有更好的热误差预测准确性和全局搜索能力。

基于神经网络时延预测的航空发动机内模控制器设计

针对航空发动机分布式控制系统中时延不确定问题,提出了一种基于神经网络时延预测的航空发动机内模多变量控制设计方法。首先分析了分布式控制架构下网络时延产生的原因及影响因素。然后设计了内模控制器,包括基于神经网络的时延预测模块、内模主控制器模块、执行机构小闭环控制模块以及与发动机起动过程开环控制计划相结合的切换控制模块。在理想和扰动条件下,从理论上分析了基于预测时延的内模控制系统的稳定性能,并对所提控制策略下允许的最大时延进行了说明。最后进行了全数字仿真和硬件在环仿真试验。结果表明,所设计的神经网络时延预测模块具备高精度预测能力,内模控制器的稳态误差不超过0.5%,具有良好的抗干扰能力、并满足实时性要求,具有一定的工程应用价值。

基于神经网络预测模型的歼击机结构故障检测方法

提出了一种基于预测神经网络的歼击机结构故障检测新方法 ,与传统的基于模型的非线性系统的故障检测方法相比 ,神经网络方法有着非线性逼近能力强和故障检测实时性好等优点。给出了基于预测神经网络的故障检测方案 ,以及多步直接预测算法和阈值选取原则 ,最后以某型歼击机为例进行了仿真验证 。

煤岩截割刀具的载荷及神经网络预测

为获得不同楔面角度碟盘刀具截割破碎煤岩载荷特性,通过建立不同楔面角度的碟盘刀具与煤岩的模型,数值模拟其破碎煤岩应力云图和载荷特性。运用碟盘刀具振动截割实验台实验测试截割煤岩的载荷谱,与数值模拟进行对比,进行不同楔面角度碟盘刀具破碎煤岩载荷的神经网络预测。结果表明:不同楔面角度碟盘刀具的仿真载荷与实验载荷具有较好吻合度,神经网络预测不同楔面角度的载荷预测值与实验值具有很好的一致性。该研究为碟盘刀具高效破岩提供了参考。

污泥干燥特性实测及预测模型研究

污泥脱水干化是污泥资源化利用的重要环节,目前缺乏通识性的污泥干燥模型。实验分析了干燥温度、相对湿度、污泥厚度、干燥时间等因素对污泥干燥过程的影响,比较了常用的5种薄层干燥模型对污泥干燥过程的拟合效果,建立了一种BP神经网络污泥干燥预测模型,并与传统的拟合效果较优的Midilli模型进行了预测精度比较。结果表明:当污泥低温干燥时,温度、相对湿度对污泥干燥有显著影响,相对湿度越高、温度越低,污泥干燥速率越慢;Midilli模型决定系数高、卡方系数和均方根误差均较小,是5种常用薄层干燥模型中拟合效果最好的模型,其与实验结果误差在15%以内;BP神经网络污泥干燥预测模型能很好预测污泥的干燥过程,预测结果与实验测试结果误差在5%以内,具有比Midilli模型更高的预测精度。BP神经网络污泥干燥预测模型为污泥干燥过程模拟提供了一种新的方法。

食管癌手术医院感染影响因素及神经网络预测模型

2019食管癌诊疗指南指出,早期根治手术是其最有效的治疗方式~([1-2])。但术后医院感染仍然存在,其影响因素复杂。人工神经网络是模拟生物神经系统结构,由大量处理单元组成的非线性自适应动态系统,具有适应性强、灵活易用等特点,成为预测数据的首选建模工具。本研究针对食管癌手术医院感染的影响因素进行了多因素分析,并建立了神经网络模型,现报告如下。

小波包分析与BP神经网络预测相结合的在线能量管理策略

针对现有混合储能分配策略无法适应不同储能设备特性以及光伏发电功率信号随机波动特征的问题,提出了将小波包分析,BP神经网络在线预测及模糊控制相结合的分配策略。首先对已有的混储总功率进行小波包分频,得到适合于氢储系统的低频功率,再通过此数据集进行BP神经网络的离线训练,并将训练的权重值用于在线神经网络预测。其次,将在线神经网络训练得到的氢储功率结合超级电容的荷电状态通过模糊控制器得到超级电容功率的修正值,并对氢储设备的功率、在线神经网络的权重进行修正,使得在线神经网络适应实时的混储功率波动。最后根据另一混储功率数据10 s采样数据在MATLAB/Simulink平台进行仿真。与基于规则的混储分配策略和低通滤波的分配策略相比较,结果表明此算法可以很好地改善氢储设备充放电功率,适应实时信号的随机波动,使超级电容的荷电状态运行在合理的区间范围内。

基于多模型融合的BP神经网络组合预测模型的研究

随着大数据互联网等产业的高速发展,企业比以往更需要精准的预测销售数据来制定企业未来的规划。然而传统单一的预测模型如三次指数平滑预测模型、灰色预测模型和多变量LSTM预测模型都因各自的局限性难以得到精准预测的结果。本文提出建立一种基于多模型融合的BP神经网络组合预测模型,即将三次指数平滑预测、灰色预测和多变量LSTM预测的预测结果作为BP神经网络预测模型的输入,从而得到精准预测结果。该模型通过在医疗销售行业的应用,符合预期成果,并得到好的评价。

基于神经网络的产品质量预测方法

绿色可持续发展政策下,为了节能减排,节约不可再生的矿物资源以及加工所需的能源,需要提高矿石加工质量。文章主要分析在矿石加工过程中,保持其他环境变量不变,矿石质量和温度控制对矿石产品质量的影响,并进行产品质量指标的预测,以及给定指标,对温度进行设定,最后进行模型推广。对于文中的问题1,选择通过给定的生产加工数据,建立相应数学模型以研究系统温度对产品质量的影响,进而给出用系统温度预测产品质量的方法。首先建立一个系统温度之间的数学模型Ⅰ,以观测两者可能存在的潜在关系;其次建立一个系统温度与指标的模型Ⅱ,对结果进行预测,同时用神经网络预测法进行预测并将结果进行比较;最后得出指标数值。对于文中的问题2,首先在建立模型前用多元线性回归分析,再用神经网络预测,得到原数据的预测值,通过比对原数据与预测数据得到预测方法的准确性;再由所确定的预测方法得到系统所需参数,得出系统设定的温度。

基于BP神经网络的涤纶水刺非织造布孔径及其分布预测

以涤纶短纤维为原料,以水刺压力和水针作用距离的不同组合制备30种涤纶水刺非织造布,采用泡点法测取其孔径,探讨制备工艺参数对涤纶水刺非织造布的孔径及其分布的影响规律;以水刺压力和水针作用距离为输入,建立基于BP神经网络的模型对涤纶水刺非织造布的孔径及孔径变异系数进行预测。结果表明:随着水刺压力的增大,孔径及其变异系数均呈减小趋势;随着水针作用距离的增大,孔径及其变异系数均呈增大趋势;BP神经网络经过2000次迭代运算后,其性能函数值最小误差达0.010563,测试样本的网络输出值与网络目标值的相关系数达到0.99478;基于BP神经网络的预测,涤纶水刺非织造布的孔径预测值与实测值之间的绝对百分比误差的平均值仅为2.78%,孔径变异系数预测值与实测值之间的绝对百分比误差的平均值仅为3.14%;BP神经网络模型的预测准确度非常高,可以用于涤纶水刺非织造布孔径及其分布的预测。

神经外科手术患者院感风险预测模型的构建与验证

目的探讨内蒙古自治区人民医院神经外科手术患者医院感染的危险因素,构建列线图风险预测模型及神经网络预测模型并进行验证,为防控神经外科手术患者院内感染提供参考依据。方法采用回顾性调查方法,选择2019年1月—2022年12月于内蒙古自治区人民医院神经外科行手术的2239例患者作为研究对象,分析医院感染独立危险因素,基于回归分析结果建立列线图风险预测模型及神经网络预测模型,通过H-L拟合优度检验、校准曲线、受试者工作特征曲线下面积(AUC)对模型预测效果进行评价。结果列线图预测模型显示,麻醉方式、术前预防使用抗菌药物、ASA评分为神经外科手术患者医院感染独立预测因素。神经网络预测模型预测医院感染的重要性排序前5位的自变量分别为ASA评分、急诊手术、麻醉方式、术前预防使用抗菌药物、手术时长。结论本研究中列线图模型和神经网络模型均对神经外科手术患者院感预测能力较好,可以用于神经外科手术患者医院感染风险监测与预警,列线图模型的拟合效果相对更好。

基于多源数据融合的半导体晶片CMP抛光材料去除率预测

目的 对半导体晶片抛光过程中的工艺参数、耗材使用量、抛光垫状态参数等多源数据预处理后进行数据融合,建立材料去除率(MRR)预测模型,为实现半导体晶片抛光加工工艺的决策和处理奠定基础。方法 研究晶片抛光加工中的数据特点及数据融合需求,提取数据集中每个晶片加工过程中的统计特征并生成新数据集,同时引入邻域特征以应对晶片加工过程中动态因素对材料去除率的影响。提出基于深度自动编码器的多源数据融合及材料去除率预测方法。设计深度自动编码器参数,优化深度自动编码器的损失函数从而增强深度自动编码器对强相关性特征变量的重建。基于深度自动编码器进行多源传感器信号融合,降低数据维度。使用超参数搜索算法优化BP神经网络超参数,利用BP神经网络方法将融合后的数据进行半导体晶片抛光过程中的材料去除率预测。结果 采用PHM2016数据集对模型进行验证,均方误差MSE达到7.862,相关性R^(2)达到91.2%。结论 基于多源数据的融合模型能有效预测MRR,可以对半导体晶片CMP工艺过程的智能决策与控制起到良好的辅助作用。