PLS-BP法近红外光谱定量分析研究

建立BP模型用于近红外光谱定量分析时,为克服所建模型与训练样本集产生“过拟合”,先用线性算法为其压缩训练数据是必要的。目前多采用主成分法(PCA)和逐步回归法(SRA)。主成分法具有极强的压缩数据能力,用它压缩成的主成分输入BP网所建模型的预测精度一般能满足要求,但它处理数据时未考虑输出变量的影响。逐步回归法根据系统输出选择变量,但所选变量具有自相关性,而且与训练集样品的排列顺序有关,很难选出最好的变量,往往难满足预测精度要求。本研究用偏最小二乘法(PLS),根据输出变量将原始数据压缩为主成分,输入BP网并用所建模型预测30个小麦样品的蛋白质含量。结果表明,与PCA-BP模型的预测决定系数(R2)从92.50提高到97.10,训练迭代次数从12 000减少到4 500。

Powell法与BP法训练人工神经网络效果之比较

在机械设备的故障诊断中 ,常采用BP网络算法对故障进行诊断计算 ,但由于BP网络易于收敛于局部极小点 ,且在初始参数与网络结构选取不当时 ,网络将出现发散现象。为了克服这一缺陷 ,该文提出将神经网络优化算法应用于汽轮发电机组的故障诊断中 ,实现了神经网络权值和阈值的快速计算 ,并以汽轮发电机组的故障诊断为背景 ,将神经网络快速算法的结果与BP网络算法的结果进行比较 ,证明该方法不但比BP算法精度高且收敛速度快、可靠性好。

基于自适应变步长BP法的煤与瓦斯突出预测

为准确预测矿井煤与瓦斯突出的危险性 ,本文基于反向BP神经网络提出了一种改进的自适应变步长BP网络模型 ,加快了BP网络的收敛速度。实际应用效果表明 ,该模型具有收敛速度快、准确性高、可靠性和实用性强等特点 。

省域农村发展可持续性评价的BP法

可持续发展是当今研究的一个热点问题,与此密切关联的对可持续性状态进行评价的方法也层出不穷;然而,迄今为止,可持续发展方面的研究中,还没有一种评价体系和预测方法,能得到普遍应用和认可。拟运用BP算法的良好的预测功能,以27个省区的反映各省农村可持续性发展状况的16项指标作为输入变量,以赋值量化的可持续性状况作为训练目标,进行网络训练;之后,根据训练好的网络,对未参与训练的其它4个省区的农村发展可持续性状况进行预测;最后,将预测的结果与该4省区已知的农村可持续发展状况进行比较和评价。本方法尝试的结果表明,BP法能较好地用在对省域农村发展可持续性进行预测和评价上。

基于BP神经网络的云南花卉物流需求预测

文章首先对云南花卉市场进行现状分析,在此基础上以近10年来云南花卉总产值为变量依据,来预测云南花卉的未来物流需求量情况。文章提出了可能会影响花卉物流需求量的8个因素,运用BP神经网络预测法并结合近10年的云南花卉总产值对未来3年的需求量进行预测。预测结果表明,未来几年,云南花卉市场对于物流的需求不降反增。而作为鲜活植物产品,花卉的运输又对冷链物流提出了更高的要求。因此,提高冷链物流的技术势在必行。

基于相似日和动量法优化BP神经网络的光伏短期功率预测研究

提出了相似日和动量优化BP神经网络的光伏短期功率预测方法,采用与输出功率强相关的辐照度作为相似变量选取相似日,通过动量法优化并以相似日历史数据和气象信息作为训练样本建立BP神经网络预测模型。以新疆某光伏电站的实际运行数据进行验证分析,结果表明该方法在晴天和非晴天天气环境下能够达到预测精度,验证了所提模型和算法的准确性和有效性。

遗传算法和改进的BP网络杂交法在岩土工程中应用

本文应用 MATL AB语言编写了遗传算法和改进的 BP网络杂交法程序 ,并对一桩的抗压强度进行了预测 ,结果表明该方法是可行的 。

BP神经网络法在大气污染预报中的应用研究

近年来将BP网络模型应用到大气污染浓度预报中 ,并建立了大气污染物浓度的神经网络预报模型。将计算结果与监测值进行了验证 ,结果表明 :TSP的计算值与观测值之间的绝对误差为 4× 1 0 - 3～ 3× 1 0 - 2 mg·m- 3,NOX 的计算值与观测值之间的绝对误差为 5× 1 0 - 3～ 2× 1 0 - 2 mg·m- 3;且具有较好的相关性。BP模型是目前最为广泛应用的神经网络模型之一 ,它是一种简单而又非常有效的算法 ,BP神经网络法为城市空气污染预报工作提供了一种全新的思路和方法。

基于平面拟合和BP神经网络组合法的GPS高程转换

针对GPS高程转换时单独采用平面拟合法不能获得较高的精度,而BP神经网络法也存在很大风险性的问题,设计了6种平面拟合和神经网络组合法,经过实例验证和比较,6种组合法的精度均比单独使用平面拟合法和BP神经网络法的精度高,其中3输入平面拟合法的精度最高。

BP神经网络法预测水基绒囊钻井液当量静态密度

为研究水基绒囊钻井液当量静态密度随井深变化规律，以绒囊钻井液PVT实验数据为样本，建立了反映绒囊钻井液压力、温度和密度关系的BP神经网络。以BP神经网络为基础，建立与压力和温度相关的井深与绒囊钻井液井下静态当量密度预测模型。模型计算结果相比多元回归预测结果，与PVT实测数据相对误差更小，与磨80-C1井现场测定的0～2500m钻井液静态当量密度结果更吻合。用建立的BP神经网络模型预测磨80，C1井所在的磨溪地区绒囊钻井液2500-6000m的静态当量密度，发现绒囊钻井液随井深增加密度逐渐减小，表明绒囊未在高温高压下被压缩成连续相，随井深增加，温度使气囊膨胀作用比压力压缩作用更明显，间接证明了绒囊结构抗压缩能力强的同时，也表明温度加强了绒囊封堵作用。同时，BP神经网络应用于预测钻井液井下静态当量密度，为井下密度预测提供了一种新的数学处理方法。

基于模糊聚类分析—BP神经网络法的平缓硬质岩斜坡卸荷带宽度评价模型

影响平缓硬质岩斜坡卸荷带宽度的因素十分复杂,而某些因素对斜坡卸荷带宽度的影响程度又难以量化,基于此,引进坡高、坡度、岩体结构等7个因素来评价平缓硬质岩斜坡卸荷带宽度,结合甑子岩斜坡56组样本进行模糊聚类分析,剔除部分干扰样本,并在此基础上,构建了BP神经网络法的平缓硬质岩斜坡卸荷带宽度评价模型.评价结果与实测值能很好地吻合,表明基于模糊聚类分析—BP神经网络法用于平缓硬质岩斜坡卸荷带宽度的判定是有效的.

结合RVA法建立天然径流量还原计算的BP神经网络模型

鉴于烟台市水资源短缺,为了更加合理地开发利用水资源,在建立RVA模型评估烟台大沽夹河流域水利工程对水文情势影响的基础上,结合BP神经网络方法对大沽夹河流域径流量进行没有水利工程影响的天然径流量的还原计算。结果表明:(1)水库等水利工程建设后,使天然径流发生了显著的改变,其中月流量改变度在0.3～0.7之间较多,极限日最大最小平均流量改变度在0.3～0.6之间,属中度改变。(2)对RVA法所得结果进行分析,建立大沽夹河流域天然径流量还原计算的BP神经网络模型,通过模型的建立对天然径流量进行还原计算,结合烟台水资源评价提供的实测值进行误差对比,发现构建的BP神经网络模型可行与方便,可以为水利水电工程建设与该地区水资源合理开发利用提供科学依据。

基于BP神经网络法的地表变形监测

利用三维激光扫描技术监测地表变形时,需要对大面积的地形点云数据重建地面曲面。针对点云数据的海量性,提出利用BP神经网络的方法进行曲面重建,分别模拟出两期点云数据的曲面及两期点云数据的下沉曲面。实验结果表明,该方法对海量数据的曲面重建精度较高,并能提取变形信息,具有较高的使用价值。

用BP神经网络法预测反相液相色谱保留值

运用逐步回归法筛选BP人工神经网络的输入元素改进BP网络的结构 ,并用于疏水分配常数及氢键作用能预测反相液相色谱保留值 .结果表明 ,逐步回归法与人工神经网络相结合 ,能优化网络 ,大大提高网络收敛速度 ,在很大程度上克服了通常BP网络过拟合的缺点 .较通常BP神经网络及回归法在处理构效关系方面有更强的信息处理能力和预测能力 .

基于BP-CCA法的福建春季降水因子分析

利用BP-CCA方法,分析了1961—2005年间500 hPa高度场和北太平洋海温场与福建春季降水量之间的关系,结果表明:这一方法为寻找降水预测的前兆信号提供了一条可行的途径,同时得出前兆因子对福建春雨都有不同程度的影响,其中以西太平洋副热带高压、ENSO现象以及太平洋西风漂流区影响最大。

径向水平井校直器的BP设计法

根据径向水平钻井井下斜向器校直机构的设计要求 ,提出了具体的设计原则。运用反向传播多层神经网络 (BP网络 )对校直机构的滚轮位置进行了计算 ,同时利用BP网络优选了校直器阻力最小时的设计方案。结果证明 ,利用BP神经网络进行设计可显著地减少校直器设计与调试中的盲目性。

基于灰关联和BP神经网络法评价黑河流域水质

为探明黑河流域的水质状况,于2013—2015年每年的4月、7月和12月对黑河流域中的八宝河、野牛沟、北大河、梨园河、红水河、山丹河、张掖湿地、中游干流、额济纳河、东居延海小流域水体进行采样,测定溶解氧(DO)、氨氮(NH3-N)、总氮(TN)、总磷(TP)、高锰酸盐指数(CODMn)作为评价因子,采用灰色关联法和BP神经网络法对黑河流域水质状况进行综合评价。结果表明:BP神经网络法的评价结果较为符合黑河流域实际,八宝河、野牛沟、红水河水质良好,以Ⅲ类为主;北大河、梨园河、山丹河、中游干流、额济纳河水质较差,以Ⅳ类为主;张掖湿地、东居延海水质较差,常年为Ⅴ类,主要原因是营养盐和污染物富集,超出水体自净能力,造成水质状况较差。

基于BP神经网络法的战术无线网效能评估

本文分析传统的系统综合效能评估方法,通过建立战术无线网的指标体系,用BP神经网络法对战术无线网的综合性能评价进行了设计,并用Delphi软件进行了实现,对战术无线网的效能评价具有重要的指导意义。

基于遗传算法-BP神经网络法的深埋地下水水质评价

为探究开封市地下水水质特征及成因,依据开封市31眼深度600～1 600m地下水开采井的水质检测资料,系统研究了各亚含水层的水化学特征,利用遗传算法-BP神经网络法进行了水质评价,并从埋深、富水性两个方面分析了水质特征的分布规律。结果表明,开封市600～800m亚含水层地下水水质最好,800～1 400m次之,1 400～1 600m亚含水层水质最差,随着埋深的增加,水质变差,富水性越强、水质越好。可见遗传算法-BP神经网络法能够客观地描述地下水水质综合情况,避免了人为主观影响,使评价结果更为合理。

基于BP神经网络法的群桩长期沉降分析

大量工程实例说明竣工后群桩还将继续发生沉降.特别对于典型的软土地区,土层软弱,具有高含水量、高压缩性、低渗透性低强度和强结构性等特性,该地区建筑物沉降具有沉降量大,沉降发展时间长的特点.据部分上海地区实测沉降数据表明,建筑物竣工时已经完成的沉降量,大部分情况下尚达不到建筑物最终沉降量的50％,沉降稳定一般都需要5～6年,有的甚至长达10年以上.且综合相关研究表明,粘性土地基沉降有其规律性,且随地区的不同而变化.通过收集47组群桩实测长期沉降,其桩长从7.5～70m,桩数从82 ～ 689根,其中最终沉降取沉降速率小于0.01mm/d时的沉降量.采用BP神经网络对42组样本进行训练,然后通过5个检验样本检验证明采用该方法.通过实例分析得出预测值和实测值较为吻合,说明利用BP神经网络预测群桩长期沉降较为可行.