基于改进BP网络模型的洪水预报研究

针对目前神经网络应用于洪水预报时存在的不足,引入遗传算法、模糊神经网络对BP网络模型进行了改进,建立了基于改进BP网络模型的洪水预报模型,并将改进的BP网络模型应用于文峪河洪水过程的预报。预测结果表明,过程预报合格率达93．54%。达到了水文预报规范的要求;与传统BP网络相比,改进算法可提高洪峰的预报精度。

基于改进BP神经网络模型的苏帕河流域梯级电站水质综合评价

引入人工神经网络(ANN)理论,提出了水环境质量综合评价的改进BP神经网络模型,并编制了相应的程序。将模型运用于苏帕河流域梯级电站水质综合评价中,结果表明改进的BP神经网络模型通过变步长法和加入动量项的方法不仅可以减少训练的次数,避免网络训练陷入平坦区,还可以提高网络的精度,减小全局误差。与传统评价方法相比,本模型全面考虑多种因素,评价结果更为客观、合理;相应所开发的评价系统适应性强,通用性好,简单易用,具有优越性。

智能监控中改进BP神经网络模型的应用研究

就神经网络对给定知识的表达、联想、记忆能力进行了研究，介绍了改进ＢＰ神经网络模型算法及其应用于智能监控领域应注意的问题，并对切削加工中的切屑状态进行了实例识别诊断，取得了令人满意的效果。

改进算法的BP神经网络水质评价模型

在分析BP神经网络算法的基础上,提出了水环境质量评价的改进BP神经网络模型,并编制了相应的程序。将模型运用于流域水质综合评价中,结果表明改进的BP神经网络模型通过变步长法和加入动量项的方法不仅可以减少训练的次数,避免网络训练陷入平坦区,还可以提高网络的精度,减小全局误差。相应所开发的评价系统简单易用,具有广泛的应用前景。

改进BP神经网络模型在小康水利综合评价中的应用

分析 BP 神经网络应用于小康水利综合评价中存在的几个关键性问题。利用层次分析法（AHP）从100余个水利统计指标中遴选出30个具有一定代表性的指标用于构建小康水利综合评价指标体系并给出相应的分级标准；采用 LM 算法弥补标准 BP 神经网络在实际应用中存在收敛速度慢、易陷入局部极值等不足,建立了神经网络小康水利综合评价模型---LM-BP 模型；利用随机内插方法在小康水利综合评价分级标准阈值间生成训练样本和检验样本；提出网络拟合度的概念；选取网络拟合度、平均相对误差等5个统计指标用于评价模型性能。在模型达到预期的评价精度和泛化能力后,将其用于文山州小康水利综合评价,并构建传统 BP 模型、RBF 模型作为对比模型。结果表明：（a）无论是训练样本还是检验样本,LM-BP 模型的评价精度均高于传统 BP 神经网络模型、RBF 神经网络模型近一个数量级,表明 LM-BP 模型具有较高的评价精度和泛化能力,可用于文山州小康水利综合评价,模型收敛速度快、稳定性能好。（b）2010年文山州及各县级行政区小康水利综合评价为1~2级,处于起步-基本实现阶段；2020年预测评价为3级,全州基本实现小康水利。

基于BP网络及其改进的湿空气状态参数预测

考虑空调实时控制的需要,利用人工神经网络方法,建立了湿空气状态参数的神经网络预测模型,实现了湿空气状态参数的智能化预测。由于BP模型的计算量大,收敛速度慢等缺点,本文作者提出了三种改进BP模型和RBF模型,以加快收敛速度,提高收敛性。并用实际数据对这几种模型进行了训练,实例证明这些改进模型是有效的、可行的。

改进的BP神经网络模型在辽宁中部河流水质预测中的应用研究

本文采用改进的BP神经网络模型对辽宁中部某河流水质进行预测。结果表明:改进的BP神经网络模型引入横向和纵向伸缩修正系数对模型梯度函数进行改进,提高传统BP模型收敛和计算精度。在区域河流水质预测精度明显好于传统模型,预测的河流水质总氮指标值相对误差均值明显减少,月尺度过程相关系数有较大提高。

改进的BP神经网络模型在地下水预测中的应用研究

针对传统BP神经网络模型局部较易收敛的缺点,引入小波分析函数对传统BP神经网络模型节点计算进行改进,并将改进的BP神经网络模型在新疆地区地下水预测中进行应用,研究结果表明:改进的BP神经网络模型可解决模型局部较易收敛问题,预测的地下水水位和实测的地下水水位更为接近,预测的地下水水位和实测水位之间的相关性年尺度达到0.85,高于传统BP神经网络模型的预测精度。

基于改进BP神经网络模型的区域农业灌溉用水预测研究

传统BP神经网络模型局部易出现收敛,在模型求解过程,易出现求解不收敛的缺陷。为此引入小波分析函数对传统BP神经网络的节点计算进行改进。并将改进的BP神经网络模型运用于农业灌溉用水预测中,研究结果表明:改进的BP神经网络模型改变了局部易收敛的缺陷,模型求解更为合理。在农业灌溉用水预测精度上也明显好于传统的BP神经网络模型。

基于改进BP网络对三门峡水库泥沙冲淤量的计算

人工神经网络具有很好的分布存储和容错性,适合解决非线性问题.在分析了汛期、非汛期水库泥沙冲淤影响因子的基础上,利用改进的BP网络模型对水库泥沙冲淤量进行计算.网络训练时,非汛期采用动量法和学习律自适应调整策略,拟合误差较小,平均相对误差约为0.10;汛期采用Levenberg Marquardt优化方法,由于非线性关系复杂及人为因素多,误差相对较大.利用该模型预测不同水库运行条件下泥沙淤积量,计算量小,使用方便.

基于改进BP网络的磨料水射流切割质量研究

目前建立的磨料水射流切割质量数学模型,对厚板材切割时,其加工精度和表面质量较难控制。基于BP神经网络学习理论,通过对网络权值和阀值进行四种方法的改进,目的是改善网络误差反向学习性能,建立低误差收敛精度、快训练速度的最佳切割质量模型。在获取大量样本数据的基础上,对最佳改进BP网络模型进行训练、预测,结果表明该模型能够快速、准确、可靠地预测磨料水射流切割质量。

基于改进GA⁃BP的邮轮建造仓储物流风险预警研究

针对邮轮建造物资装卸搬运、检验、入库、储存四个阶段产生的风险评估需求,从“人、机、料、法、环”构建邮轮建造仓储物流风险评价指标体系,结合对应风险评估结果,建立以风险预警误差最小为目标的网络模型,嵌入改良圈算法、正交试验设计改进传统GA⁃BP神经网络算法以改进算法全局搜索能力和收敛速度。结果表明,改进GA⁃BP神经网络算法比GA⁃BP和BP神经网络算法预警误差更小且拥有更好的预警性能。

改进BP神经网络在API预测中的应用

空气污染指数(AIR POLLUTION INDEX,简称API)是一种反映和评价空气质量的方法,本文以厦门市环境监测部门公布的API数据为依据,通过对BP神经网络模型的研究并对比几种API预测模型,结果表明BP神经网络模型预测值与实际值非常接近,完全可以满足对预测的要求。

基于SG-CARS-IBP的圣女果可溶性固形物可见/近红外光谱无损检测

圣女果可溶性固形物(SSC)含量对圣女果内部品质影响至关重要,但基于高光谱成像及介电性质特征的SSC检测技术存在局限性,且目前鲜见圣女果SSC无损检测模型。为实现圣女果SSC的无损检测,提出基于圣女果可见/近红外光谱特征的SCC预测模型构建,及改进的BP神经网络算法研究,以期解决圣女果内部品质的快速无损检测。以圣女果为研究对象,试验样本188个,将其划分为训练集150个和测试集38个,采用可见/近红外光谱采集系统获取350~1000 nm范围内的圣女果表面反射强度,经光谱校正得样本反射率,为增强信噪比,截取481.15~800.03 nm范围内的光谱波段作为有效波段进行分析。通过对比三种预处理模型,对有效波段进行SG平滑(Savitzky-Golay Smoothing)预处理,建立BP神经网络预测模型,测试集决定系数(R^(2))和均方根误差(RMSE)分别为0.5785和0.5639;在此基础上,对BP神经网络的网络结构进行改进,寻求BP神经网络最优预测结构,计算输出层与期望值间误差,调整网络结构参数,将隐含层学习率和神经元个数分别设置为0.01和5,建立改进的BP神经网络模型(SG-IBP),测试集R^(2)和RMSE分别为0.9812和0.1023;通过竞争自适应重加权采样算法(CARS)筛选出18个特征波段,测试集R^(2)和RMSE分别为0.9978和0.0479,同时检测速度显著提升。研究结果表明:经过改进的BP神经网络模型性能明显提高,通过CARS提取特征波段后,测试集R^(2)提高了0.4193,RMSE降低了0.516,检测速度明显提升。采用CARS提取特征波段的改进BP神经网络模型(SG-CARS-IBP)具有明显的优越性,SG-CARS-IBP模型较为适合圣女果SSC无损检测研究。该研究可为圣女果SCC的高效无损检测提供参考。

路堤沉降计算中邓肯-张模型参数修正初探

有限单元法是计算路堤沉降常见的数值计算方法,其中土体模型参数的真实性是该法计算结果高精度的保证。首先,针对邓肯-张非线性模型中各参数对沉降影响的程度进行了分析,找到了灵敏度较大的5个参数。然后,利用人工神经网络技术,结合前期沉降实测资料,提出了一种反馈修正K,G这两个主要参数的思路。计算表明此种修正法是可行的,且依据修正后参数的沉降计算结果更准确,在工程实践中有一定的参考价值。

关于BP算法在负荷预测相关问题探讨

本文在研究了神经网络的模型建立问题基础上,探讨了电力负荷BP算法的建模方法,包括对BP网络模型建立中的隐含层数确定、隐含层节点数确定、训练次数与精度的关系、学习速率的选择、初始权值、训练样本的选择及归一化处理等相关问题进行了较深入定性和定量分析,并通过算例进行了比较实验,得出有益结论。

神经网络模型在水文模拟中的应用研究

针对传统BP神经网络模型存在收敛精度不高,引入小波函数对传统BP神经网络模型节点计算方法进行改进,并将改进的BP神经网络模型用于大洋河水文模拟研究中。研究结果表明:改进的BP神经网络模型可改变传统神经网络模型的收敛精度,在大洋河流域洪水尺度水文模拟中,相比于传统BP神经网络模型,模拟精度得到明显提高。

基于神经网络的刀具磨损状态研究

为有效预测刀具磨损状态,避免因刀具磨损导致机床无法正常运行的问题,将数控机床作为研究对象,提出了一种基于振动信号和音频信号的刀具磨损状态预测方法。首先,介绍了BP神经网络的基本概况,为了达到更好的刀具磨损状态的预测效果,对BP神经网络进行改进;其次,以改进的BP神经网络为基础,采用时频域统计分析方法对振动信号和音频信号进行分析,以提取刀具的磨损特征值;再次,对特征数据进行融合,并根据融合后的特征数据构建刀具磨损状态模型;最后,通过对比实验,对比优化前后的模型预测结果,结果证明优化后的模型预测精度更好,且收敛速度更快。

新能源发电系统基础数据监控及核查方法

新能源发电系统在电力系统中具有重要的作用,针对现有技术监控及核查能力落后等问题,设计了一种新型新能源发电系统基础数据监控及核查方法。通过提出改进型BP神经网络模型和增加经验模态分解(EMD)算法,提高了新能源发电系统的数据分析能力。试验表明,所提出的方法耗时短、精度高、误差低。

高速公路沉降预测神经网络法应用研究

提出了改进的BP神经网络模型 ,把它应用到软基高速公路的沉降预测中 ,提出了两种构造神经网络训练样本基本思路 ,并分别进行了计算和对比 ,指出了各自的优、缺点。结果表明改进的BP网络模型比较稳健、收敛快 ,而且根据时间与对应的沉降量形成的样本训练的网络预测出的沉降误差小、精度高。