改进粒子群-BP神经网络模型的短期电力负荷预测

为了准确、快速、高效地预测电网短期负荷,提出了改进的粒子群算法(MPSO),并与BP算法相结合,形成改进的粒子群—BP(MPSO-BP)神经网络算法,用此算法训练神经网络,实现了神经网络参数优化,得到了基于MPSO-BP算法的神经网络模型。综合考虑气象、天气、日期类型等影响负荷的因素,进行电网短期负荷预测。算例分析表明,与传统BP神经网络法和PSO-BP神经网络方法相比,该方法改善了BP神经网络的泛化能力,预测精度高,收敛速度快,对电力系统短期负荷具有良好的预测能力。

基于遗传算法-BP神经网络的煤层注水效果分析

为了提高BP神经网络预测煤层注水效果的精度,采用遗传算法优化BP神经网络的权值和阈值,建立了遗传算法-BP神经网络模型,并采用该模型对煤层注水湿润半径进行模拟预测。Matlab模拟结果表明,遗传算法-BP神经网络模型的预测结果比BP神经网络模型更准确,平均相对误差降低了40.29%,训练步数减少了1 665步,收敛速度快,稳定性好。

基于EtherCAT和遗传-BP神经网络的等温锻造电液伺服系统优化研究

针对等温锻造电液伺服系统有限滑块行程内锻造载荷和滑块速度控制精度低、横梁调平状态不稳定等问题,提出了一种基于EtherCAT和遗传-BP神经网络的等温锻造工艺参数优化控制系统。利用LabVIEW设计了主站监控界面,配置了各模块间通信协议,用ActiveX设计了遗传-BP神经网络与LabVIEW间通信接口,通过UDP/IP在LabVIEW和EtherCAT从站间交互实时监控数据,利用仿真模拟了非线性模型的优化精度,并实时监控了柱坯等温锻造过程的横梁状态。研究结果表明:经遗传-BP神经网络算法优化,载荷和滑块速度的整体控制误差低于2.5%,EtherCAT从站反馈的横梁调平状态稳定,有效改善了等温锻造电液伺服系统存在的问题,提高了材料利用率和锻件成型质量。

LM-BP神经网络水质评价模型应用研究——以新乡市卫河为例

介绍了LM-BP神经网络模型的原理及算法和模型的优点。针对实际水质评价问题,利用随机内插方法在地表水环境质量分级标准阈值间生成训练样本和检验样本,建立了新乡市卫河地面水环境质量综合评价的LM-BP神经网络模型,将模型应用于卫河2011年3月份、9月份的水质评价,并与单因子评价法、模糊综合评价法进行了比较分析。实验结果表明该模型设计合理,泛化能力强,收敛速度快,算法稳定,推导严谨,有较充分的理论依据,应用于水质评价具有其合理性、实用性和有效性,适用于作深入的水环境质量分析。

ARIMA-BP神经网络高速列车隧道压力波预测模型研究

为更精准地进行车内压力波动控制,需要预测高速列车通过隧道时车外隧道压力波的实时变化值。在对列车历史运行重复隧道压力波数据的分析基础上,采用工况匹配(WCM)与加权K最近邻(WKNN)算法从数据库中选取若干与本次工况相接近的运行状态数据,并根据相似程度确定数据权重,构建预测用的历史数据。分别采用差分自回归滑动平均(ARIMA)与BP神经网络(BPNN)模型对隧道压力波进行预测,并将两种预测结果并联考虑,形成ARIMA-BPNN隧道压力波组合预测模型。利用武广客运专线某隧道压力波实测数据进行仿真。仿真结果表明:与WCM-WKNN-ARIMA及WCM-WKNN-BPNN单一预测模型以及WCM-ARIMA-BPNN组合预测模型相比,所建立组合模型能有效对隧道压力波进行预测,且能够取得更高精度的预测结果。

灰色-BP神经网络在深基坑变形预测中的应用研究

随着城市化进程的推进,向地下空间发展将是趋势,由此带来大量深基坑工程。深基坑的稳定问题不仅关系上部结构的安全,而且还会影响周边建筑物的变形,因此深基坑变形研究越来越受到重视。将改进灰色预测模型与BP神经网络组合模型结合,通过在南京某大型深基坑的变形模拟和预测效果对比,改进后的灰色模型在一定程度上提高了拟合精度与预测精度,而灰色-BP组合模型在此基础上通过MATLAB平台又进一步地提高了拟合与预测的精度。该研究可为工程施工提供较好的指导意义,并为同类工程提供借鉴。

我国鲜活农产品运输的VC-BP神经网络组合模型

鲜活农产品因其易腐烂、难保存的特点导致运输过程中损耗严重,成本重复,因此对运输有较高要求。通过层次分析法确定农产品运输通道评价指标权重,将变尺度混沌优化与BP人工神经网络有机结合,可构建变尺度混沌-BP神经网络组合优化模型。该模型通过变尺度混沌优化方法对网络权值分布进行优化,采用梯度下降法最终搜索确定全局最优权值。该模型可实现对农产品运输通道模式的评价和选择,避免了各种运输方式成本的重复利用,可快速有效提高农产品运输的运输质量。该模型可做到全局优化,避免了以往算法局部最优化的缺陷。通过实例仿真,该模型具有较好的应用性和动态适应性。

基于灰色-BP神经网络理论的上染率模型研究

以活性黄3RE上染棉织物为例,首先利用灰色系统GM(1,1)和Verhulst建立起上染率-染色工艺单因素模型,再将其输出直接作为神经网络的输入,最终建立灰色-BP神经网络上染率-染色工艺多因素模型,其拟合值的相对误差小于1.3%,并通过实验验证,预测值的误差均在1.0%以内。验证结果表明,该数学模型精确度较高,能较准确地反映棉织物活性染料染色后的上染率,并可以满足预测上染率的需求。

灰色-BP神经网络模型预测区域气温

本文旨在提出更为准确的区域气温预测方法。预测试验基于我国广东省深圳市某一时间段内的气温数据,尝试运用了灰色-BP神经网络模型对未来648个时间点(规定1个小时为一个预测时间点)的气温情况进行预测。通过软件仿真得到预测结果,并对预测结果进行了定性评估。仿真发现,该预测方法兼具BP神经网络和灰色模型的特长,能有效提高区域气温预测的精度。

基于灰色-BP神经网络组合模型的赣南脐橙产量预测分析

赣南脐橙产量变动的随机性、波动性和复杂性,给脐橙产量的预测带来了很大的困扰。将灰色-BP神经网络加以组合,采用2004年至2013年赣州市赣南脐橙产量数据,对赣南脐橙未来产量进行预测。通过MATLAB计算,结果表明:灰色-BP网络组合预测模型精度高于传统灰色预测模型,且2014年至2016年赣州市赣南脐橙产量预达到171.34万t,190.81万t,212.49万t。

应用GA-BP神经网络优化平摆复合振动筛的振动参数

针对目前筛分理论的研究仅局限于单因素考虑的问题,提出应用遗传算法(GA)优化的BP神经网络对数据空间进行全局寻优,且考虑所有因素对筛分结果的综合影响.首先,通过离散单元法的筛分仿真试验,获取实际筛分过程中难以获取的数据.然后,利用GA优化的BP神经网络对平摆复合振动筛的振动参数进行优化,选择5-9-1的BP神经网络结构类型,得到优化后的振动参数组合,即振幅为2 mm,振动频率为26Hz,振动方向角为46°,摆动频率为21Hz,摆角为1°.对优化后的结果进行一次模拟仿真验证,结果表明:验证结果与测试结果相吻合.

基于主成分-BP神经网络的建设用地规模预测──以连云港市为例

建设用地是城市发展的重要因素,对建设用地规模的预测可以为土地利用总体规划提供参考数据和技术支持。笔者以连云港市为例,收集了2004—2013年有关建设用地规模的社会经济统计数据,采用主成分-BP神经网络模型对连云港市2014—2020年建设用地规模进行预测,得出7年连云港市建设用地规模的预测结果。研究得出主要结论:(1)主成分分析结果显示社会经济的发展、人口和基础设施的变化以及环境的改善从不同方面影响着建设用地的规模;(2)笔者构建的BP神经网络模型误差率较低、拟合效果较好且对于训练集以外的新样本数据具有较好的泛化能力,说明所建模型具有可靠性,可以进行预测;(3)连云港市2014—2020年的建设用地规模呈现逐年扩张的趋势,年均增长率为0.97%,连云港市应采取有效措施控制建设用地规模并且合理保护耕地,使得建设用地面积的增长控制在合理的范围之内。主成分-BP神经网络模型不仅能够对影响建设用地规模的因素进行全面分析,同时可以得到精度较高的建设用地规模预测数据,因此能够较好地应用于建设用地规模预测。

链箅机预热段温度场模型的贝叶斯-BP神经网络系统辨识

针对球团链箅机预热段温度场因非线性、时滞性、不确定性等特点难以通过传统的理论分析方法建立数学模型的问题,建立贝叶斯-BP神经网络,对该温度场模型进行系统辨识,对比模型预测输出值与实际系统输出值,通过仿真与实验分析该辨识模型的拟合效果。结果表明:贝叶斯-BP神经网络拟合效果较好,其线性拟合度近似为1,最终预测误差约为0.014 K,预测相对误差在5%范围内,构建的预热段温度场模型准确可靠且适用性强,可为预热段温度场均衡稳定控制提供理论指导。

基于人工蜂群-BP神经网络的刀具磨损监测

为了提高刀具磨损状态监测准确度,提出基于人工蜂群-BP神经网络算法的刀具磨损状态监测方法。使用力传感器和振动传感器设计了磨损状态监测平台;使用匹配追踪算法对信号进行了去噪;提取了信号时域、频域、时频域的特征参数,使用核主成分分析法对特征参数进行了降维,确定了反应刀具磨损状态的15个特征参数;提出了人工蜂群-BP神经网络算法的刀具磨损状态识别方法,使用人工蜂群算法优化BP神经网络算法参数;经实验验证,传统BP神经网络识别准确率为78.75%,优化BP神经网络算法识别准确率为100%。

基于灰色-BP神经网络模型的短时交通量预测

短时交通量具有明显周期性、非线性的特点,为提高短时交通量预测的精度,笔者提出将灰色GM(1,1)模型与BP神经网络相结合的方法,并以上海市浦东新区陆家嘴东路真实数据为样本进行实验计算与对预测结果对比.该灰色神经网络模型GNNM(1,1)兼具两种模型的优势。实验结果表明,相较于传统的灰色GM(1,1)模型,灰色BP神经网络模型具有更高的预测精度,为预测短时交通量提供了一种新思路.

高速铣削工件表面粗糙度遗传-BP神经网络建模

遗传算法作为一种高效,并行的全局搜索优化方法,非常适合用于BP神经网络学习率的优化。文中通过基于遗传算法和BP神经网络提出了遗传-BP神经网络。以实验1、实验2、实验5、实验6、实验9、实验11、实验13和实验15下的高速铣削试验数据构建用于高速铣削工件表面粗糙度建模的训练样本对,并用回归的高速铣削工件表面粗糙度预测模型对实验3和实验7状态中的高速铣削工件表面粗糙度进行预测。通过比较表面粗糙度预测结果和实际结果,发现遗传-BP神经网络在高速铣削工件表面粗糙度进行建模方面是一种十分有效的方法。

高速铣削工件表面粗糙度蚁群-BP神经网络建模

由于蚁群算法具有很好的多样性、兼容性和正反馈,故十分适合用于BP神经网络学习率的优化,从而建立蚁群-BP神经网络。训练样本对是以实验1、实验3、实验5、实验7、实验9、实验11、实验13和实验15下的高速铣削试验数据组成的,并用高速铣削实验中的工件表面粗糙度来建模。使用创建的高速铣削工件表面粗糙度预测模型来对实验2和实验6状态中的高速铣削工件表面粗糙度进行预测,通过对比预测结果和试验结果,可发现蚁群-BP神经网络能够十分有效地对高速铣削工件表面粗糙度进行建模预测。

面向2035的高职高专教育规模与资源需求预测——基于灰色-BP神经网络模型研究

我国职业教育综合改革持续深化,高等教育普及程度不断提升,高等职业教育发展前景备受关注。研究基于1992-2021年高职高专教育规模及其影响因素发展情况,采用灰色-BP神经网络模型对2022-2035年高职高专教育规模和资源需求进行预测。研究发现:高职高专规模发展可能出现低增长、中增长和高增长三种模式,规模变化将经历波动增长、稳定增长和增长缓和三个阶段,规模扩张会导致经费、物资和师资供给的巨大压力。为此,研究建议积极观测高职高专规模发展影响指标的动态变化,实现高职高专教育规模的科学预测;向中增长模式靠拢制定高职高专发展规划,提供高职高专教育高质量发展的可能性;持续地加大高职高专财力、物力和人力资源供给,提供高职高专教育现代化的必要条件。

基于注意力机制—门控循环单元—BP神经网络的智能多工序工艺参数关联预测

鉴于流程制造工序间能质流耦合严重,性能指标影响因素众多,工艺参数时序特征显著,现有制造模式下难以精准预测产品质量,在分析流程制造工艺性能指标多维、强时序、关联耦合特征的基础上,提出一种基于注意力机制—门控循环单元-BP神经网络(Attention AM-GRU-BPNN)的多工序耦合参数关联预测方法。首先采用互信息方法筛选多态异构生产数据作为输入,建立ConvGRU自编码器,通过无监督学习对过程数据、工艺参数、操作参数等进行时序特征提取,同时引入时序注意力机制提取不同工序的耦合关联特征并进行向量嵌入,为不同工序的工艺参数分配注意力权重。在此基础上,设计Attention网络自学习不同时刻下工艺关联特征对质量性能指标的影响差异,再通过门控循环单元网络对重要的关联特征进行增强,并按照时序特征对单工序预测模型进行聚合,实现多工序时序特征融合,最后通过输出层BPNN神经网络精准预测产品工艺质量。实验表明,AM-GRU-BPNN有效提高了预测精度,从多工序角度为生产线工序的加工过程控制提供了依据。

基于主成分与BP神经网络的物流企业即兴能力评价

即兴能力是企业在不确定性环境中获取优势的重要竞争力。客观评价物流企业的即兴能力对于提高其决策水平,使其在模式创新中“拔得头筹”具有重要意义。文章基于专家访谈与即兴能力相关研究,从自发性、创造性、资源利用和压力承受四个方面构建了物流企业即兴能力评价指标体系,进而运用主成分分析及BP神经网络模型对物流企业即兴能力进行了综合评价。结果表明,目前我国物流企业即兴能力水平存在较大差异,总体水平不高。