基于AGA-BP神经网络的网络平台交易环境下数据资源价值评估研究

[目的/意义]在数字经济背景下,数据资源通过网络平台交易实现价值转化与增值。作为一种非标准化的新兴商品,数据资源具有成本模糊、类型多样、不确定性高等典型特征,传统价值评估理论难以对其价值进行准确衡量。[方法/过程]对此,文章提出了AGA-BP神经网络的数据资源价值评估模型,该模型充分考虑了诸多影响因素与数据资源价值的非线性关系,通过自适应遗传算法(AGA)优化传统BP神经网络提升价值评估的精度,解决BP神经网络极易陷入局部最优、收敛速度较慢等问题。以此方法为基础,收集武汉东湖大数据交易中心的244条数据资源交易信息进行实证检验。[结果/结论]研究结果表明:基于AGA-BP神经网络的数据资源价值评估方法相比于GA-BP神经网络和BP神经网络性能提升明显;该方法在仿真能力、误差水平、拟合数据能力等方面表现出突出优势,具有更好的价值评估仿真效果。该方法在减少数据交易平台买卖双方交易成本,完善数据交易平台的定价机制和策略方面具有较强的指导意义。

基于AGA-BP系统的涵洞结构应力预测研究

为了解决神经网络过训练和经验公式确定网络结构盲目性的问题,更好地实现对高填土涵洞结构应力预测研究,结合遗传算法和BP网络两种智能方法各自优点开发出自适应遗传算法-神经网络(AGA-BP)系统.该系统引进自适应交叉、变异概率公式,改进传统的交叉、变异遗传操作,提高局部搜索能力;同时将BP网络累积预测误差标准差作为自适应遗传算法的适应度函数,并作为遗传终止的判定准则之一.以模型试验数据为样本,通过AGA-BP系统和经验公式两种方法确定网络结构,实现对涵洞应力的预测.预测结果对比验证了AGA-BP系统在高填土涵洞应力预测研究中的可行性及优越性.

基于熵权–VIKOR及AGA-BP模型的企业绩效评价研究——以我国上市物流企业为例

针对现有的企业绩效评价研究存在评价指标体系维度单一、评价结果时效较短、缺乏对企业未来绩效水平的探讨等问题,以我国上市物流企业为例,从财务及非财务角度构建了我国上市物流企业绩效评价指标体系,并通过熵权–VIKOR算法确定了各评价指标的权重以及各样本企业的期望绩效值。同时,采用自适应遗传算法(adaptive genetic algorithm,AGA)对传统的BP神经网络进行优化,构建了基于AGA-BP神经网络的企业绩效评价和预测模型。最后以36家样本企业数据为基础,对该模型进行训练和测试。测试结果证明了基于AGA-BP神经网络的上市物流企业绩效预测模型的有效性和实用性。

AGA-BP神经网络用于变压器超高频局部放电模式识别

结合自适应遗传算法(AGA)和BP算法各自的优点,本文构造了AGA BP混合算法作为神经网络的学习算法。分别采用BP、AGA和AGA BP神经网络对实验室中变压器超高频局部放电自动识别系统检测到的五种放电类型进行了模式识别。实验结果表明,AGA BP神经网络既解决了BP神经网络对初始权值敏感和容易局部收敛的问题,又提高了AGA神经网络的收敛速度、稳定性和求解质量,具有较高的识别率和较强的推广能力。

两种改进的BP模型预报黄河内蒙段冰情信息及效果分析

黄河内蒙古段是黄河产生冰凌灾害的主要河段之一,几乎每年都产生凌汛,了解黄河内蒙古段冰情信息变化规律,建立冰情信息的预报模型对于黄河内蒙古段的冰凌研究和冰凌灾害防治具有重要的实践意义。选择黄河内蒙古段巴彦高勒水文站为典型站,建立了进行流凌日期、封河日期及开河日期等冰情信息预报的两种改进的BP神经网络模型(A-BP和AGA-BP),对它们的预报效果进行了评价和对比,并且给出了提高冰情预报精度的建议。

基于遗传算法的神经网络在发电机定子超高频局部放电模式识别中的应用

应用BP(误差反向传播算法)、AGA(自适应遗传算法)和AGA-BP神经网络对发电机定子超高频局部放电的三种类型进行了模式识别。结合AGA和BP算法各自的优点,构造了AGA-BP混合算法作为神经网络的学习算法。实验结果表明,AGA-BP神经网络既解决了BP神经网络对初始权值敏感和容易局部收敛的问题,又提高了AGA神经网络的收敛速度、稳定性和求解质量。

基于遗传算法的神经网络在发电机定子超高频局部放电模式识别中的应用

介绍了发电机定子局部放电高频在线监测系统的结构特点及对局部放电特征的提取,应用BP算法、自适应遗传算法AGA和AGA-BP神经网络对发电机定子超高频局部放电的三种放电类型进行了模式识别。结合AGA和BP算法各自的优点,构造了AGA-BP混合算法作为神经网络的学习算法。实验结果表明,AGA-BP神经网络解决了BP神经网络对初始权值敏感和容易局部收敛的问题,提高了AGA神经网络的收敛速度、稳定性和求解质量。

长江口流域亚硝酸盐预测模型与分析

营养盐是控制长江口流域富营养化的关键因子之一。分析亚硝酸盐与其影响因子之间关系,引入人工智能方法,基于弹性BP神经网络,建立亚硝酸盐非线性预测模型,目的是通过影响因子在线监测,间接实现亚硝酸盐在线监测。依据神经网络权值和阈值获取方法不同,形成基于弹性BP神经网络、基于遗传算法和弹性BP神经网络,和基于改进的遗传算法和弹性BP神经网络的亚硝酸盐预测模型3种。通过仿真实验,分析3种模型对亚硝酸盐预测的影响,发现基于改进的自适应遗传算法和弹性BP神经网络的亚硝酸盐模型预测效果最优,为选择合适模型提供依据。

基于自适应遗传算法改进的BP神经网络卡钻事故预测

由地质环境、作业人员技术水平和钻井技术限制引起的卡钻事故,严重影响钻井作业的效率,给石油生产单位带来巨大的经济损失。理论上,BP神经网络对卡钻事故的预测具有良好的效果,但是传统的BP神经网络模型有易陷入局部极小值而导致模型失效的风险。文中根据西北某地区钻井历史数据,筛选影响卡钻发生的输入参数,建立了一种BP神经网络卡钻预测模型。利用遗传算法对BP神经网络的权值和阈值进行寻优操作,提高了模型的稳定性和预测能力。同时为解决遗传算法易陷入局部最优的缺陷,设计了具有自适应交叉概率和自适应变异概率的遗传优化算法。通过寻优运算,将得到的最优权值阈值代入BP神经网络卡钻预测模型,训练后得到一种基于自适应遗传算法改进的BP神经网络卡钻事故预测模型。经实验验证,模型较未优化前具有更高的准确度和泛化能力,能够实现对卡钻事故的良好预测,对提高钻时、确保井身质量和保护作业人员人身安全具有指导意义。

基于果蝇算法与自适应性遗传算法组合优化神经网络的光伏电站短期出力预测

光伏电站的输出功率会随着很多因素发生波动,若能够提高光伏系统出力预测的准确性,则能有效地降低光伏电站并网后对电网造成的冲击,提高电力系统的稳定性。建立了果蝇算法与自适应遗传算法组合优化的BP神经网络的预测模型。从预测结果可以发现,采用组合优化算法的BP神经网络模型能够有效避免地BP神经网络易陷入局部极小值点的缺陷,相比于仅优化权值和阈值的BP神经网络模型提高了预测精度,具有一定的应用价值。

基于AGA优化BP网络的小信息量蜂窝网定位算法

为了实现蜂窝网中小信息量情况下对移动用户的定位,在只有驻留基站和一台定位设备可用的条件下,建立了TOA/TOA定位模型,提出了一种基于BP神经网络的定位算法,并用自适应遗传算法(AGA)优化BP网络的权值。仿真结果表明,在小信息量条件下,优化后的算法在复杂的多径环境下有效地提高了定位精度,能够很好地解决模型中固有的模糊点问题,达到了FCC的定位要求。

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BP-AGA混合算法CO危害程度评估研究

针对BP算法存在局部极小值的问题,提出了采用AGA算法来优化BP算法训练网络出现收敛速度慢时的网络参数,并把优化后的结果作为BP算法的初始值,再用BP算法训练网络,交叉运行这种BP-AGA混合算法来改善网络的收敛速度,使网络全局误差函数极小化。然后结合武汉阅马场地下通道的相关数据,分别采用BP算法和BP-AGA混合算法来评估汽车尾气中CO的危害程度,结果表明BP-AGA混合算法的收敛速度和寻优效果优于BP算法。