遗传算法的BP网络模型进行瓦斯涌出量预测

从提高采煤工作面瓦斯涌出量预测的速度和精度入手,将遗传算法与神经网络2种非线性最优化算法的优势加以融合,提出了一种利用遗传算法同时优化BP网络的连接权和拓扑结构的网络模型,并以韩城下峪口煤矿为例,进行了实际应用。结果表明:改进后的BP网络模型预测精度较高,具有良好的应用前景。

基于BP神经网络的传感器特性补偿新算法的研究

在用人工神经网络对传感器特性进行补偿的基础上,进行了一些改进与简化,提出了一种简化的快速算法,通过多步继承法、神经元功能函数平移法、停止条件比较法等措施,对BP神经网络本身的一些缺陷,如收敛速度慢、容易收敛到局部最小点等进行了弥补,并用MATLAB语言编制了训练程序。结果表明,该算法可以进一步提高数据拟合的精度。

基于主成分分析的GA-BP模型在城市需水预测中的应用

针对城市需水预测模型中需水量影响因子多、影响因子之间普遍存在多重共线问题,以及BP神经网络收敛速度慢、易陷入局部最优等缺点,提出一种由主成分分析、遗传算法及BP神经网络三者相结合的改进预测模型。以泰州市为实例,建立以主成分分析筛选需水量主要影响因子,遗传算法优化BP网络连接权值和阈值的需水预测模型,预测结果与BP神经网络预测模型预测结果做对比。结果表明:改进预测模型对泰州市2003-2014年需水量预测的平均相对误差为0.564%,最大相对误差为1.681%,精度优于BP神经网络预测模型;改进预测模型预测值与实际泰州市需水量吻合良好且训练速度更快、预测精度更高,可作为需水预测的一种有效方法。

BP 算法在磁化曲线拟合中的应用

在优化学习率ＢＰ算法的基础上，根据磁化曲线的特点，进行了一些改进与简化．提出了一种简化的快速算法，并编制了训练程序．结果表明，该算法可较大幅度地提高拟合精度，而且节省较多的计算时间．

BP网络智能PID控制算法在交流调速系统中的应用

针对交流异步电动机存在的非线性、多变量、强耦合及模型结构不确定的特点,设计以西门子S7-300 PLC为控制单元、以研华IPC-610工业控制计算机为监视操作单元的基于PROFI-BUS-DP的交流调速控制系统。通过对被控对象特性的分析,将神经网络技术与PID控制结合,研制了基于BP网络的PID控制算法,并用PLC语言给予实现。该算法既有神经网络控制良好的动态特性又保持了PID控制的高速稳定性。实际应用结果表明:系统调速特性好,控制精度高,具有一定的推广价值。

基于GRA-MEA-BP耦合模型的城市需水预测研究

针对城市需水量影响因子多、BP神经网络收敛速度慢、精度低、易陷入局部最优等问题,提出灰色关联分析、思维进化算法、BP神经网络三者耦合的改进预测模型,利用灰色关联分析(GRA)筛选需水量主要影响因子,采用全局搜索能力极强的思维进化算法(MEA)优化BP神经网络的权值和阈值,从而构建GRA-MEA-BP耦合需水预测模型,同时建立BP神经网络模型作为对比。实例应用结果表明,GRA-MEA-BP耦合模型具有更高的预测精度和预测速度,可作为一种有效的需水预测模型。

新的三层BP神经网络算法在解谱分析中的应用

介绍了一个三层BP(back propagation)神经网络结构,并推导出LM(Levenberg-Marquardt)算法对网络的权重和偏置的更新。然后用LM算法和带动量的梯度算法来分别训练网络。结果表明:这两种算法得到的残差都在一个很小的范围内,应用神经网络技术解复杂X射线谱具有良好的优越性;而LM算法收敛更快,为我们节约了大量的解谱时间。还对解谱的残差进行了分析,提出了神经网络解谱的过程中需要注意的问题及其缺陷。

河南省环境污染和经济增长关系实证研究——基于遗传—BP神经网络、协整分析和VAR模型

对环境污染与经济发展动态关系进行研究,可为区域可持续发展提供重要参考。以河南省为例,基于1985—2012年环境污染和经济指标的年度数据,借助遗传算法优化的BP神经网络测算出代表河南省整体污染水平的综合指数,在此基础上采用计量经济分析考察河南省环境污染和经济发展之间的动态关系。研究结果表明:1985—2012年,河南省环境污染指数整体上呈现上升趋势;环境污染和经济发展存在着协整关系且互为Granger因果关系,经济发展每提高1个单位,会引起环境污染水平提高0.842 3个单位;脉冲响应函数和方差分解结果显示出河南省环境污染和经济发展之间存在双向作用机制,经济发展对环境污染的影响程度大于环境污染对经济发展的反作用力。

基于GA-BP混合算法的电力变压器故障诊断方法

为解决BP神经网络在变压器故障诊断中存在的收敛速度慢,容易陷入局部最优点等缺点,采用了将BP网络和遗传算法相结合的方式,利用遗传算法的全局收敛性,优化BP网络的初始权值和阈值,再由BP网络进行调整搜索,同时采用了LM优化方法训练神经网络以提高网络精度,缩短训练时间,最后将训练好的网络应用到油中溶解气体分析技术中。

基于GA-BP神经网络的交叉口短时交通流预测

交叉口车辆运行效率不高主要由两个原因造成:一是目前很多交叉口交通信号的配时与实际交通流不匹配;二是当前短时交通流预测的时长集中在5~15min,过长的时间间隔无法给信号控制提供准确的数据支撑。为了改善这种状况,提出了一种基于优化的BP(Back Propagation)神经网络的交叉口短时交通流预测方法。首先针对流量预测提出了准实时的概念,其次引入BP神经网络,再利用遗传算法对BP神经网络进行优化,最后在优化的BP神经网络的基础上建立交叉口短时交通流预测模型,且将传统的预测时长从5min缩短到5s。利用南京市某一道路交叉口采集的数据对提出的预测方法进行验证,结果表明:与传统的BP神经网络以5min为预测时长相比,该预测方法以5s为预测时长能够将预测精度提高77%。

基于改进的GA优化BP神经网络的煤矿设备的故障诊断

面对越来越多的煤矿设备出现的故障,本文提出了将遗传算法(GA)和BP神经网络结合进行预测的方法。针对遗传算法存在收敛速度慢,容易陷入局部最优的情况,本文首先采用混沌和反向学习初始化个体,其次运用差分算法对个体最优进行操作,最后,将改进的适应度函数运用到选择操作中,通过变异概率和交叉概率提高操作的准确率。将改进后的算法运用到BP神经网络中提高了样本训练效果。

模拟退火BP网络理论与算法

结合模拟退火算法在能量空间宏观上的有方向性和ＢＰ算法对细观结构的敏感性，发展了模拟退火ＢＰ理论及算法，并以正弦函数的迭代收敛为例，证明了这种方法的正确性和有效性。实际上这一理论将组合优化问题与统计力学中的热平衡问题类比，另辟了求解组合优化问题的新途径。

基于遗传算法的BP神经网络在权证定价中的应用

对金融衍生品的定价一直都是理论界和实务界所关注的热点问题之一。传统的参数模型定价方法,容易产生系统性偏差,而神经网络方法在解决这一问题时具有明显的优势。本文基于遗传算法改进的BP神经网络模型(GABP),利用我国8只权证的1050天数据、标的股票1900天的数据和其他所需数据作为训练数据训练网络。研究结果表明,神经网络在权证的定价中效果要优于B-S模型;而RBF模型精度大于BP模型的预测,GABP模型的精度大于RBF模型的预测。

瓦斯预测中的BP神经网络融合技术

针对瓦斯预测领域大量用到的BP神经网络技术,分析了BP神经网络的优缺点。通过对近年来的方法进行比较,总结了该领域与BP神经网络进行融合的7大技术及其融合思路和效果,提出了融合技术的选择原则。

基于Kalman滤波和BP神经网络的光伏超短期功率预测模型

随着光伏电站规模不断扩大,提高光伏发电功率预测精度,将对电网的稳定运行有很大帮助。然而,光伏发电最重要的影响因子辐照度受云量影响很大,随机性很强,特别当多云的时候,变化更是很快速、剧烈,这给光伏超短期功率预测带来困难。为此,本文提出一种基于Kalman滤波和反传播(back propagation,BP)神经网络的光伏超短期功率预测模型,采用地外辐射和Kalman滤波估计辐照度,温度和湿度预测值则通过持续预测法获得,再将这三者作为神经网络的输入来预测未来15min的光伏发电功率。最后,采用连续三日的实际数据验证了本文提出模型的可行性。

电镦机中加热电流的BP神经网络预测

以电镦工艺参数作为学习样本,选取了镦粗速度、砧子速度、镦粗压力作为输入参数,加热电流作为输出参数,运 用神经网络BP模型中的Levenberg-Marguardt优化算法对学习样本优化建模,将优化网络的预测结果与实测结果进行 比较,结果表明,BP网络可以很好实现电镦机中加热电流的预测。

基于局部权重及阈值调整算法的BP网络预测模型研究

通过对基本BP算法的分析,提出了一种基于局部权重及阈值调整的改进BP算法.结合该改进算法,讨论了在Matlab中创建基于BP网络的交通运输需求预测模型并使用该模型进行预测的过程.同时,将基于局部权重及阈值调整的改进BP算法和加动量项的自适应学习率BP算法的模型的预测效果进行了比较,比较结果表明前者的预测效果优于后者.

基于BP神经网络与GA算法的信息过滤模型研究

信息过滤技术是当前信息技术研究的一个热点。本文对BP神经网络和遗传算法在信息过滤技术中的应用,包括BP神经网络、遗传算法、文本特征提取、学习方法等,进行了研究和探讨。提出了一种基于BP神经网络和GA算法的信息过滤模型,实验结果表明,此模型运行可靠,过滤效率有明显提高。

基于BP神经网络并行算法的研究

BP神经网络算法在大规模数据训练过程中需要处理大量的计算,导致整体训练速度下降,时效性较差,针对以上问题,本文提出BP神经网络并行化策略,并利用MPI并行编程库结合C语言在Linux集群上验证了该算法的有效性,提高了BP神经网络的整体训练速度。

基于改进Kohonen网和BP网的色情图像识别技术

介绍了一种网络图像监管技术方案,在此基础上着重研究了基于Kohonen神经网络和BP网络的色情图像特征识别技术,而且通过引入分裂算法对Kohonen网赋初值、对BP网络采用随机样本输入以及动态调整学习率等方法,对识别技术进行了改进,使整个网络图像监管技术取得了较好的识别效果。