Water quality forecast through application of BP neural network at Yuqiao reservoir

This paper deals with the study of a water quality forecast model through application of BP neural network technique and GUI (Graphical User Interfaces) function of MATLAB at Yuqiao reservoir in Tianjin. To overcome the shortcomings of traditional BP algorithm as being slow to converge and easy to reach extreme minimum value,the model adopts LM (Leven-berg-Marquardt) algorithm to achieve a higher speed and a lower error rate. When factors affecting the study object are identified,the reservoir's 2005 measured values are used as sample data to test the model. The number of neurons and the type of transfer functions in the hidden layer of the neural network are changed from time to time to achieve the best forecast results. Through simulation testing the model shows high efficiency in forecasting the water quality of the reservoir.

基于VB与Matlab的BP神经网络在地应力场分析中的应用

将通用程序Matlab的强大计算功能和VB开发界面友好的特点有机结合,利用ActiveX技术实现可视化神经网络模型并应用于初始地应力场的计算。根据线性回归分析的结果,应用均匀设计来确定计算参数不同水平的组合,通过有限元计算来构造神经网络的训练样本分析工程区应力场。实际工程中往往需要了解某一重要工程部位的应力状态,利用神经网络将整个工程区的初始地应力场智能化,所开发的人机交互界面使用方便。

基于BP神经网络算法的异步电机故障诊断系统研究

为了确保电机安全可靠地运行,研究了BP神经网络算法对异步电动机进行故障诊断。通过MATLAB平台,分别使用附加动量因子和自适应学习率两种梯度下降法进行网络训练,搭建故障诊断BP网络模型。以MSE值为指标优化最佳隐含层节点数、动量因子与学习率,并通过遗传算法来优化BP网络的初始权值,对故障测试样本进行仿真测试。结果表明,GA-BP网络模型比MF-BP和AG-BP的MSE值更低,仅为0.009163,优化后的诊断预测结果与目标值几乎没有差别。基于遗传算法改进的故障诊断系统模型能够满足异步电动机故障诊断的应用需求。

基于模糊BP神经网络的智能轮椅BLDCM控制

现阶段多数轮椅电机仍使用传统PID控制,该控制方式存在控制精准度较低、超调量较大以及抗扰动能力差等问题。为解决以上问题,通过对无刷直流电机进行研究,在分析了其控制方法后,提出一种基于模糊BP神经网络的BLDCM控制方法。首先,研究了BLDCM结构并搭建数学模型。其次,在模型基础上构建了模糊BP神经网络PID控制器。最后,在Matlab/Simulink中搭建整个电机控制系统进行三种不同工况下的运动控制仿真,并与传统PID控制算法进行对比。实验结果表明:模糊BP神经网络PID控制策略能获得更好的PID控制参数,具有良好的抗扰动能力,有效的改善了整个轮椅控制系统的动态性能。

基于MATLAB、VB的BP网络在储粮害虫识别中的应用

为发挥 MATL AB和 VB各自的优势 ,将二者混合编程实现神经网络 ,并用于基于图像识别的储粮害虫检测系统 ,通过其应用充分证明二者混合编程能有效优化系统性能、提高效率、降低编程难度、缩短软件开发周期。

基于粒子群优化BP神经网络PID的供热控制系统仿真研究

供热系统技术属于清洁技术,但其能耗非常大,因此在供热系统中能源的损耗问题就显得尤为重要。与此同时,我国供暖过程多数是用传统PID对供暖系统进行控制,由于传统PID控制响应时间长、超调量高且受外界影响较大,造成能源未充分利用、浪费现象严重。因此针对此问题,提出了在供暖系统中采用一种基于粒子群优化BP神经网络PID的控制策略,不仅可以解决供暖时水温不稳定、水温上升时间长等问题,而且可以更好地解决能源未充分利用问题。本文建立供热系统的数学模型,然后利用Matlab中的Simulink设计并仿真粒子群BP神经网络PID控制器。实验结果表明,改进后的PID控制器抗干扰能力强且具有较好的鲁棒性,对供热控制系统有更好的控制效果。

基于小波包能量熵-BP神经网络的核电站阀门远传机构故障诊断研究

核电站阀门远传机构长期运行在恶劣工况下,当出现故障时会使核电站中关键阀门无法正常开闭,严重时导致设备停机检修,从而造成经济损失。针对这一问题,本文提出一种小波包能量熵-BP神经网络的阀门远传机构故障诊断方法。阀门远传机构样机搭建LabWindows/CVI振动信号采集试验平台,使用小波包算法对故障信号进行分解与重构,并提取小波包能量熵来构造故障特征向量,输入到BP神经网络训练后,经MATLAB仿真运行,验证了该方法的可行性和有效性。

基于BP神经网络的人脸识别系统设计

以人脸识别为目标,将BP神经网络与子空间分析相结合,运用SVD分解的方法将特征值分解出来,再经过训练达到人脸识别的效果,最后得出待测人的有效身份。实验结果表明融合SVD分解方法获取特征值的BP神经网络可以有效提高识别精确率。

基于MATLAB6.x的BP人工神经网络的土壤环境质量评价方法研究

对基于MATLAB6.x的BP人工神经网络工具箱进行了简要的介绍,并将BP人工神经网络应用到土壤环境质量现状评价中,编制了基于MATLAB6.x土壤环境质量评价程序,并对影响评价结果的训练集的构建、隐层神经元数量的选择、训练过程的建立等问题进行了探讨。结果表明,用随机函数rand或线性函数linspace内插生成网络的训练集是可行的,BP网络隐层的传递函数为tansig,神经元数量为5(用rand函数生成训练集)或8(用linspace函数生成训练集),输出层的传递函数为purelin,神经元数量为1。训练集中加入一定的噪声更有利于提高网络的识别能力。在此基础上,将构建的网络应用到实际土壤环境质量评价中,并将评价的结果与其他评价方法得出的结果进行了比较,表明BP人工神经网络应用到土壤环境质量评价中是切实可行的。

基于MATLAB的BP神经网络在猪等级评定中的应用研究

为了客观评估猪肉各项指标和猪肉等级,采用MATLAB神经网络工具箱中的BP人工神经网络,利用猪胴体图像特征参数和活体猪图像特征参数建立BP神经网络模型。分别用猪胴体图像特征参数样本60个和活体猪图像特征参数样本80个进行了网络训练,并采用不同的BP神经网络隐含层的传递函数和隐含层神经元数量,得到BP神经网络模型。通过仿真,将仿真结果与人工评估结果进行对比,结果表明BP人工神经网络模型可以评估猪肉各项指标和等级识别。在猪肉胴体图像特征指标下评价猪肉等级准确率达到98%,在活体猪图像特征参数评价猪肉等级准确率达到80%。说明猪肉胴体图像特征比活体猪图像特征参数更能代表猪肉质量品质也符合客观现实;同时也表明MATLAB神经网络工具箱中的BP人工神经网络可以应用在猪的等级评定中。

基于Matlab和BP神经网络的爆破振动预测系统

爆破振动预测是一个复杂的非线性问题,可应用非线性功能强大的BP神经网络技术来解决,但由于其数值计算量大、可操作性不强等特点,在实际工程中应用困难。为了解决该问题,本文中将Matlab程序的强大计算能力与VB的友好界面相结合,利用Active X自动化技术和BP神经网络算法,开发得到爆破振速峰值预测系统。该预测系统可根据各工程实际情况选取影响爆破振动的主要因素作为输入参数,以预测爆破振速峰值。通过在北京市昌平线暗挖区间隧道工程中的应用表明:该预测系统在实际工程中使用方便,操作简单,预测精度高,人机交互界面友好。

基于Matlab的BP神经网络在泥石流危险性评价中的应用

由于泥石流孕育环境、成灾条件及其诱发因素等的随机性、不确定性和模糊性,决定了泥石流是一种非常复杂的非线性系统。人工神经网络因其具有较强的自组织性、自适应性和自学习能力等优势,更适合于解决非线性问题。本文基于Matlab程序建立了区域泥石流危险性评价的BP神经网络模型,并将该模型应用于凉山州德昌县22个乡镇的区域泥石流危险性评价中,取得了良好的应用效果,评价预测的准确率高达95%。该方法不仅解决了泥石流危险度评价因子和评价等级之间的复杂非线性关系,而且过程简单,结果不受人为因素的影响,是一种具有应用价值、有效的泥石流危险性评价方法。

基于MATLAB工具箱的BP神经网络年径流量预测模型研究--以塔城地区乌拉斯台河为例

塔城地区独特的地形为西来水汽的输送提供了条件,从而形成了众多中小河流,而中低山带季节性积雪的消融又使河流呈现出春汛的特点,使得径流年内分配不均,对塔城地区水资源配置极为不利,开展径流量的预测研究,将为水资源的优化配置提供科学的理论基础。文章以塔城地区乌拉斯台河为例,根据其年径流量(1966—1995年)序列的长期变化特征,利用MATLAB的神经网络工具箱提供的许多有关神经网络设计、训练以及仿真的函数,实现BP网络对年径流量的预测研究。从模型的检验来看,所建模型具有较好的适应性和预报精度,并且拟合效果较好,说明这种预测方法有一定的实用性。

基于Matlab的BP神经网络在大坝观测数据处理中的应用

建立大坝观测数据处理的BP人工神经网络模型,用正交变换法来初步优化设计大坝变形分析的模型结构.运用Matlab工具箱函数建立网络模型,选择合适的训练函数,并采用正则化的算法以缩小网络的规模,改进BP算法提高学习速度和算法的可靠性.实例表明,基于Matlab的神经网络优化设计能比较有效地避免BP网络的固有缺陷,在精度和训练速度上得到提高.

基于MATLAB的BP神经网络在储层物性预测中的应用

在阐述BP神经网络模型结构的基础上,根据取心井段储层物性与测井信息的关系,选取相应的测井曲线,运用MATLAB神经网络工具箱中特定的函数对建立的神经网络模型进行训练,使得储层物性(孔隙度、渗透率)和测井响应之间具有较强的非线性映射关系,在一定的条件下运用该模型可对研究区未知样本的物性参数进行预测。实例研究表明,预测准确性较高,显示出BP神经网络对储层预测的潜在优势和实用价值。

VB调用Matlab的模拟电路故障诊断神经网络方法

比较了VB和Matlab各自的优缺点,详细阐述了VB调用Matlab的方法以及神经网络诊断模拟电路的原理。分别采用Matlab的神经网络工具箱和VB调用Matlab的ActiveX自动化技术,对模拟电路进行了仿真诊断。针对VB调用Matlab的方法给出了诊断程序,诊断实例表明该方法是可行的,为模拟电路故障诊断软件开发提供了一定的指导作用。

VB/MATLAB混合编程的数控珩磨机进给系统控制研究

为解决高档数控珩磨机进给系统在线控制人机交互差的问题,提出一种基于VB/MATLAB混合编程的实现方法,并以比例减压阀为例建立阀控缸的数学模型,得出比例减压阀的控制电压是影响珩磨头进给量大小的关键,进一步确定模糊神经网络专家控制系统的结构。最后通过VB/MATLAB混合编程,实现数控珩磨机进给系统模糊神经网络可视化控制。试验结果表明:在VB窗口中输入模糊神经网络训练参数及传感器测量的进给位置,通过调用MATLAB中的计算程序,可得到相应条件下比例阀的控制电压,实现进给位置的精确控制。

基于BP神经网络的体外索索力预测及MATLAB实现

为了进一步研究体外预应力混凝土结构体外索极限应力的确定方法,在分析影响体外预应力混凝土结构体外索极限应力因素的基础上,运用神经网络预测的原理,采用误差反向传播神经网络即BP神经网络对体外索的索力进行了预测。预测结果表明,应用BP神经网络模型能准确的预测体外索的索力。预测结果和试验结果相比误差在10%以内,可以满足实际工程的需要。

共轭梯度BP算法在Matlab 7.0中的实现

应用Matlab 7.0中神经网络工具箱建立BP神经网络的最优化求解方法,采用共轭梯度法对网络的权值和阈值进行优化计算,实现网络权值和阈值的快速计算,为分析神经网络的合理结构提供了必要条件。对BP神经网络的传统梯度下降法与共轭梯度算法进行了仿真。这里通过对算法的训练速度,容错泛化能力等方面加以讨论,多方面印证共轭梯度算法的优越性,仿真结果凸显了训练速度的大幅提高,尤其对训练后网络受损情况下的泛化能力,采用线性回归的方法进行了仿真验证,同样得到满意结果,从新的角度支持了共轭梯度BP算法。

基于MATLAB下BP网络在河流污染物浓度预报中的应用

文中简介了MATLAB语言和BP神经网络,并运用于河流污染物浓度的预报中,取得了良好的效果,说明运用BP神经网络进行河流污染物浓度预报是可行的.人工神经网络用于解决河流污染物传播扩散的复杂非线性问题,具有其独特优势.运用MATLAB神经网络工具箱,免去了繁琐的编程工作,值得进一步的研究和实践.