基于麻雀搜索算法优化BP人工神经网络的短期湍流预报模型研究

提出了一种基于麻雀搜索算法优化BP人工神经网络(SSA-BP)的湍流预报模式。首先,采用BP人工神经网络作为湍流预报模型的基础框架。通过对温度、湿度、风速等气象因素的采集和处理,将其作为输入层的特征。然后,利用麻雀搜索算法对BP人工神经网络的权重和偏置进行优化。为了验证该方法的有效性,采用了来自地面气象站的大气湍流数据及气象数据进行实验。实验结果表明,SSA-BP人工神经网络能够成功预测大气湍流的发展趋势,并具有较高的预测精度和稳定性,能够充分利用大气湍流数据中的非线性特征,为湍流预测研究和实际应用提供了有力支持。

基于Sine-SSA-BP人工神经网络的腐蚀速率预测研究

海洋工程用钢广泛应用于海洋资源开发;然而,在海洋环境中,由于海洋环境复杂,钢的腐蚀速度大幅加快。为了评估其使用寿命,需要准确地预测钢的腐蚀速率。挂片实验法费时费力,经验模型预测虽然可以快速预测,但因海洋中影响腐蚀的因素较多,准确度较差。本文介绍了一种机器学习方法,即反向传播(BP)神经网络金属腐蚀速率预测模型。本研究创新性地将Sine混沌映射与麻雀搜索优化算法(SSA)引入腐蚀速率预测模型中,并利用2022年采集到的海洋环境要素和腐蚀速率数据导入模型进行训练预测。结果表明,SSA-BP和Sine-SSA-BP神经网络金属腐蚀速率预测模型的误差远低于BP神经网络腐蚀速率预测模型。经过充分的训练和学习,当预测样本数量由5至30逐渐增加时,Sine-SSA-BP预测模型的平均MAPE值为3.5002%,SSA-BP模型的平均MAPE值为6.0900%。

高校人文社科“项目制”的绩效评估及逻辑反思——基于联立方程与BP人工神经网络

中国的人文社科研究目前以项目制为主,对于项目制的绩效问题更多集中在微观层面,缺乏宏观实证研究。文章构建一种全新的分析框架,基于中国“双一流”建设高校的科研数据,综合应用联立方程、BP人工神经网络和贝叶斯向量自回归等多种方法分析科研项目、科研人员和科研经费等变量之间的互动关系。实证结果表明,中国人文社科项目制的总体绩效不高;科研经费的绩效有待提高;科研人员的绩效水平总体较高;科研人员、科研经费对科研项目的影响显著,学术论文对科研项目的正向反馈明显。最后指出,人文社科项目制需要进行反思和改进,要努力提高科研经费的分配体制,全方位调动广大人文社科工作者的积极性。

基于人工神经网络的共振吸声超材料声学性能快速预测及结构优化设计

针对共振吸声超材料声学性能快速预测及结构优化设计需求,提出了一种基于人工神经网络的共振吸声超材料性能预测方法.首先,建立了由微穿孔板和Helmholtz共振腔组成的多层穿孔型共振吸声超材料的理论模型,并通过仿真与实验验证其正确性;随后,通过理论模型生成数据集,并以此为基础,采用BP(back propagation)神经网络原理,搭建了结构特征参量与声学性能的人工神经网络模型;之后,将训练后的人工神经网络模型与遗传算法相结合,对共振吸声超材料进行声学性能最优化设计.结果表明:训练后的人工神经网络模型可以对目标结构的吸声性能进行准确预测,并且预测效率相较理论模型提高50%以上;人工神经网络模型与优化算法的结合不仅能提高优化效率,优化后的结构也具有良好的低频宽带吸声性能.人工神经网络为大规模结构性能预测计算提供了便利,在超材料等结构设计及优化领域具有广阔的应用前景.

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BP人工神经网络的大气颗粒物PM_(10)质量浓度预测

根据2008年长沙市火车站监测点全年大气PM10及气象参数的小时平均数据,建立BP人工神经网络预测模型,预测PM10小时平均浓度。为证明人工神经网络模型用于预测PM10质量浓度的准确性,研究中考虑2种预测模型:多元线性回归模型与人工神经网络模型。研究结果表明:与传统的多元线性回归模型相比,人工神经网络模型能够捕捉污染物浓度与气象因素间的非线性影响规律,能更好地预测PM10质量浓度,拟合优度R2有较大提高;所选取气象参数及污染源强变量能较准确地描述大气PM10质量浓度的实时变化,用于PM10质量浓度的预测准确度较高,整体R2可达0.62;人工神经网络预测模型不仅适用于一般污染浓度情况,对于高污染时期PM10质量浓度的预测也较为准确。

基于BP人工神经网络的河流生态健康预警

为加强河流管理,在已有的河流生态系统健康研究和BP人工神经网络模型基础上建立了河流生态健康预警模型,并对滦河河流未来健康状况进行了预警。结果表明:滦河在未来20年内河流生态健康状况将有所好转,其中近期水平年2015年为轻度疾病状态,为中警级别;中期水平年2020年与远期水平年2030年均为亚健康状态,为轻警级别。此外针对河流未来的警情状态,从警源分析角度提出了节水、优化水源工程、减污等关于滦河河流生态治理措施。

采用二次连续投影法和BP人工神经网络的寒富苹果病害高光谱图像无损检测

为提供苹果病害在线、快速、无损检测的理论依据,采用高光谱成像技术进行了北方大面积种植的寒富苹果病害无损检测研究。寒富苹果的主要病害有炭疽病、苦痘病、黑腐病和褐斑病害。为选择较少的有效波长而利于在线快速检测,首先采集高光谱苹果图像,分割出感兴趣区域并提取光谱信息,然后采用连续投影算法(successive projections algorithm,SPA)从全波长(500~970 nm)中提取了10个特征波长SPA1(502、573、589、655、681、727、867、904、942 nm和967 nm),再对这10个特征波长采用连续投影算法提取3个特征波长SPA2(681、867 nm和942 nm)。最后利用全波长光谱信息、SPA1提取的10个特征波长的光谱信息和SPA2提取的3个特征波长的光谱信息作为输入矢量采用线性判别分析、支持向量机和BP人工神经网络(BP artificial neural network,BPANN)模型进行苹果病害的检测。通过对检测结果分析,最终选择SPA2-BPANN为最佳检测方法,训练集检测率达100%,验证集检测率达100%。结果表明,高光谱成像技术可以有效对苹果病害进行检测,所获得的特征波长可为开发多光谱成像的苹果品质检测和分级系统提供参考。

BP人工神经网络模型在太湖水污染指标预测中的应用

【目的】利用BP人工神经网络模型预测太湖水污染指标,为探讨湖泊水污染物变化规律提供参考。【方法】利用2004～2010年浙江嘉兴王江泾断面自动监测站4项水质指标,建立了太湖水污染BP人工神经网络模型,并对太湖2012年前5周的水质情况进行预测。【结果】建立了浙江嘉兴王江泾断面的4项水质指标浓度的三层BP神经网络预测模型,其预测精度较高,对湖泊水环境污染物预测的适应性较好;对太湖2012年前5周的水质情况进行预测,结果表明,2012年前5周水质污染情况加重,基本为Ⅴ类水质,符合太湖水质污染情况发展态势。【结论】BP人工神经网络具有很强的非线性映射能力和柔性的网络结构,与传统的统计建模方法相比,其预测精度较高,能较好地反映水质指标的内在变化规律,为控制水环境污染提供了科学预测方法。

应用BP人工神经网络模型预测肾综合征出血热发病率

目的探讨反馈（BP）人工神经网络模型预测肾综合征出血热（HFRS）发病率的应用前景.方法利用沈阳市的气象资料（包括平均气温、相对湿度、降水量和日照）和动物疫情资料（包括鼠密度和鼠带病毒率）共6个指标作为神经网络的输入,将1984～2003年沈阳市HFRS发病率作为神经网络的输出.选择1984～2001年的数据,利用STATISTICA Neural Network（ST NN）建立BP网络预测模型,然后训练网络、预测2002和2003年HFRS的发病率.同时用上述指标建立线性预测模型,其结果与神经网络模型进行比较.结果对于BP神经网络,其平均误差率为7.89%,非线性相关系数为0.896.对于线性回归模型,其平均误差率为24.78%,非线性相关系数为0.711.结论BP人工神经网络可以用于HFRS发病率的预测,效果好于传统的线性回归方法.

BP人工神经网络的应用及其实现技术

简述了BP人工神经网络的算法原理 ,利用Batchnet程序对一个三层BP人工神经网络进行了设计 ,应用Matlab中人工神经网络工具箱设计了一个用于函数逼近的BP人工神经网络 ,最后 ,运用Matlab中可视化工具Simulink对一个BP人工神经网络例子进行了仿真 ,通过例子 ,探讨了BP人工神经网络的应用并介绍目前几种实用的BP人工神经网络实现技术 .

基于BP人工神经网络的区域生态安全预警——以甘肃省为例

结合预警理论,建立了区域生态安全的"状态-胁迫-免疫"(State-Danger-Immunity,SDI)动态预警模型。运用BP人工神经网络对甘肃省1997—2009年生态安全进行定量评估,并对2010—2015年生态环境安全进行动态预警。研究表明:(1)BP人工神经网络模拟效果较好,将其用于生态安全预警研究是可行的;(2)甘肃省1997—2009年的生态环境从"较安全"状态到"较不安全"状态,呈逐渐下降的趋势;(3)预警结果显示,甘肃省2010—2015年生态环境愈加恶化,人均工业废气排放量、人均耗能量、工业固废利用率及环境污染治理投资不足将成为影响甘肃省生态安全的主要因素。

BP人工神经网络用于肺鳞癌预后预测

目的 利用两个预后分析模型———time -codedmodel和single -timepointmodel ,结合实际数据进行肺癌预后结果预测。方法 利用LM算法和停止准则进行迭代。结果 利用BP人工神经网络的两个模型对于学习集数据的拟合情况要远远好于传统的Cox回归和logistic回归 ,若样本收集具有代表性 ,该网络可以任意精度逼近任意映射。利用停止准则后 ,在数据收集不是非常全面的条件下 ,预测效果与传统方法无差别。结论 BP人工神经网络可以用于肺癌预后结果预测。

BP人工神经网络在罗非鱼价格预测中的应用

通过分析影响罗非鱼价格波动的因素,利用BP神经网络良好的非线性映射特性,建立罗非鱼价格预测模型。选择时间、地理环境和经济条件因素作为输入层变量,价格作为输出单元,输入样本进行训练和仿真,对训练好的网络输入预测样本,将预测结果与市场实际价格进行比较,结果表明,该模型收敛速度快,预测精度高。该方法为水产品价格预测提供了一种新思路,有较高的应用价值。

湖南洛塔干河猪场表层岩溶泉BP人工神经网络分析

采用湖南洛塔地区干河猪场表层岩溶泉日降水—日平均流量长期观测资料训练BP人工神经网络,建立了该泉的径流预测模型。通过模型训练输出结果中降水量对径流量的贡献率,分析了表层岩溶带对水资源的调蓄能力。结果表明,降水对泉流量的显著影响时间为6天,当天和前一天的降水对当天的流量影响最大;干河猪场表层岩溶带可调蓄26.1%的岩溶水资源;干河猪场泉的全部流量可作为可采资源量,平均流量5.8 L/s,可满足目前的引水需求;通过改善土壤和植被覆盖条件可提高其调蓄能力。

基于BP人工神经网络的大沽河湿地海水水质综合评价

水体环境包含多个影响因素,因素间大多具有非线性相关性,为了能够客观地对大沽河湿地海水水质进行综合评价,以神经网络为基础,利用溶解氧、化学需氧量、无机氮、活性磷酸盐、石油类5个指标作为评价因子,建立了5×5×1拓扑结构的BP人工神经网络模型,通过该模型对大沽河湿地水质进行综合评价。同时采用单因子评价方法、内梅罗指数法对该海域环境状况进行评价,以期更好的对比评价BP人工神经网络模型的优缺点。BP人工神经网络模型评价结果显示,大沽河河道内站点的水质均为劣Ⅳ类水质,入海河流断面及其周边海域也达到了Ⅲ类及以上水质标准。调查海域无机氮含量超标严重,劣Ⅳ类及以上站位的数量占总调查站位的59.3%,富营养化状态明显。通过单因子评价法、内梅罗指数法、BP人工神经网络3种评价方法对大沽河湿地水质进行评价,发现Ⅲ类及以上水质站位占总调查站位比例分别为89%、96%、56%。与单因子评价法、内梅罗指数法相比,BP人工神经网络模型设计合理、评价结果科学可靠,是一种更加快捷、客观全面及实用的水体质量评价方法。

基于改进的BP人工神经网络的物流需求规模预测

为了对物流需求规模进行准确预测,探讨了用于物流需求规模预测的经济指标和物流需求规模的度量指标,再应用粗糙集理论、适应度函数和BP人工神经网络理论建立了用于物流需求规模预测的模型,即改进的BP人工神经网络模型。该模型首先应用粗糙集对BP人工神经网络的输入层进行指标知识约简,以减少BP人工神经网络的复杂度,再在BP人工神经网络中引入适应度函数,以克服传统BP人工神经网络算法易陷入局部最优、训练速度较慢等缺陷,最后,将该模型应用在案例分析中。结果表明,该模型使预测精度得到很大提高;该方法为以后物流需求规模的预测提供了一种新的思路和方法。

基于BP人工神经网络和遗传算法的船舶螺旋桨优化设计

在原有图谱设计方法的基础上,采用BP(Back-Propagation)人工神经网络模型和遗传算法GA(GeneticAlgorithm),建立了一种船舶螺旋桨优化设计方法。BP人工神经网络模型通过训练可以具备强大的非线性映射能力,以数学解析的形式,较好地提取了海量螺旋桨水动力性能数据特征;GA不依赖于问题的具体领域,对问题的种类有很强的鲁棒性,为计算机辅助船舶螺旋桨优化设计提供了一种通用的多参数优化框架。针对三体消波艇半浸式螺旋桨和沿海巡逻艇螺旋桨的设计实例表明,该方法能快速可靠地搜索到最优解,不仅具有足够的工程精度,而且实用方便,适用性强。

基于BP人工神经网络的太原地区医院获得性肺炎发生情况的评测分析

目的鉴于医院获得性肺炎（NP）的高发病率及危害性，本研究对太原地区NP的流行趋势进行了评价和预测。方法收集太原地区十二年NP发病资料，以NP发生的危险因素：年龄≥60岁、基础疾病、联合使用两种以上的抗生素、入住ICU、住院时间≥21天、有创性机械通气或雾化吸氧为独立的6个危险因素作为网络输入，发病率为网络输出，构建BP人工神经网络模型。结果在评价基础上，对2006年12个月的NP发病率进行了预测，与实际发病率比较，符合率较高，预测误差较小，同时对2007年1～3月的发病率进行了预测。结论NP的发生受到很多因素的影响，各因素之间又存在着十分复杂的相互作用与不确定性，而BP人工神经网络有许多优点可以解决这些变量间关系不能精确地用函数表达的复杂问题。实践证明，该模型是可行的，同时有其普遍性，可推广到卫生领域其他疾病的评价和预测体系中。

基于BP人工神经网络的兴安落叶松天然林全林分生长模型的研究

以大兴安岭地区兴安落叶松天然林为研究对象,基于688块固定标准地数据,采用MAT-LAB中log-sigmoid型函数(logsig)和线性函数(purelin)为神经元的作用函数,依据全林分生长模型的概念,以年龄(A)、地位级指数(SCI)和林分密度指数(SDI)作为输入变量,以林分每公顷蓄积量(M)作为输出变量,构建和训练了全林分生长的BP人工神经网络模型,并与常规建模方法进行了对比研究。结果表明,BP人工神经网络模型的拟合精度高达99.6%,检验精度为98.9%,说明与其它建模方法相比人工神经网络建模具有较高的拟合精度和适应性,对林分生长具有更好的预测能力。