BP混沌混合神经网络在光纤陀螺温度漂移预测中的应用

提出使用BP混沌混合神经网络建立FOG温度漂移模型的方法。该方法在BP算法中采用了改进型Logistic-Map映射生成的混沌变量,能够避免陷入局部最小,可迅速达到全局最优。应用该方法分析某型FOG温度漂移实测数据,结果表明其具有良好的预测效果。

基于BP神经网络的混沌振子相态识别

混沌振子对微弱信号具有较好的检测效果,其对特定频率信号的敏感性和抗干扰性,能有效解决孤岛检测、电能质量分析、局部放电检测以及绝缘检测中信号微弱等问题。对混沌振子进行分析,并提出基于反向传播(BP)神经网络的状态识别方法,利用混沌振子的相图特征进行训练。该方法准确率可达100%,且速度较快,为电网微弱信号检测提供了新思路。

基于改进的SSA-BP神经网络的矿井突水水源识别模型研究

机器学习与寻优算法的结合在矿井突水水源识别上得到广泛应用,但突水水样数据具有随机性且寻优算法易陷入局部最优,提高模型泛化能力和跳出局部最优需进一步研究。针对上述问题,提出了一种改进的麻雀搜索算法(SSA)优化BP神经网络模型,用于对矿井突水水源进行定量辨识。以鲁能煤电股份有限公司阳城煤矿为研究对象,通过常规离子浓度分析、Piper三线图对该煤矿水样的水化学特征进行分析,初步判断矿井水来源于奥灰含水层和三灰含水层,并确定Na^(+)+K^(+)浓度、Ca^(2+)浓度、Mg^(2+)浓度、HCO_(3)^(-)浓度、SO_(4)^(2-)浓度、Cl^(-)浓度、矿化度、总硬度、pH值作为突水水源识别指标;建立基于改进SSA-BP神经网络的矿井突水水源识别模型:首先进行SSA参数设置,引入Sine混沌映射使麻雀种群均匀分布,然后通过计算适应度值进行麻雀种群的更新,引入随机游走策略扰动当前最优个体,如果满足终止条件,则获得最优BP神经网络权重和阈值,最后基于构建的BP神经网络,输出识别结果。研究结果表明:①改进的SSA-BP模型在训练集上的识别准确率达95.6%,在测试集上的识别准确率达100%。②改进的SSA-BP神经网络模型与BP神经网络模型、SSA-BP神经网络模型对比结果:BP神经网络模型误判率为5/18,SSA-BP神经网络模型的误判率为2/18,改进的SSA-BP神经网络模型误判率为0,迭代10次后趋于稳定,且与设定的目标误差相差最小,初始适应度值最优,识别结果可信度高。③将阳城煤矿5组矿井水水样数据作为输入层数据输入到训练好的模型中,矿井水水样的主要来源为奥灰含水层、三灰含水层和山西组含水层,模型识别结果与水化学特征分析的结论相互印证,实现了精准区分。

基于IWOA-BP神经网络图像复原

针对传统复原算法在退化图像复原过程中存在明显滞后的问题,建立了一种改进的鲸鱼算法(Improved Whale Optimization Algorithm,IWOA)-BP神经网络图像复原模型。首先,通过Tent混沌增强初始种群的均匀性和多样性;其次,采用非线性权重和改进的收敛因子,平衡算法的全局搜索与局部寻优能力;最后,结合Levy飞行策略更新个体位置,帮助算法跳出局部最优。随后采用经典图像数据,建立IWOA-BP模型。选取PSNR、SSIM和NMSE作为网络模型的评价指标,与BP、GWO-BP、WOA-BP进行对比。实验结果表明IWOA-BP模型图像复原视觉效果更好,提高了图像复原的质量。

基于SSA优化BP神经网络的易燃易爆气体分类算法研究

由各种传感器检测爆炸物的技术已经在多种条件下被用于检测不同类型的爆炸物,但同类型的爆炸物识别分类技术几乎没有,且针对传统BP神经网络模型收敛速度慢、易陷入局部最优值等问题,该文采用PWCLM混沌映射和高斯突变算子来改进麻雀搜寻算法(SSA),优化模型的初始权值,并对6种易燃易爆气体进行识别分类。最后再将该模型与BP、SSA-BP和WOA-BP等模型进行对比,使用3种评价指标对3种模型进行评价。结果表明,ISSA-BP模型稳定性高,识别精度优于其他几种模型,最终ISSA-BP模型的分类准确率、召回率和F1指数分别为99.01%、99.12%和99.12%。

基于神经网络和傅里叶光谱分析的易制毒混合气体检测方法

易制毒气体识别对于抑制毒品流通具有重要作用,但目前关于易制毒气体浓度检测的研究还不成熟。针对易制毒混合气体检测的问题,通过采集傅里叶红外光谱信息建立了反向传播(Back Propagation,BP)神经网络模型。以乙醚和丙酮的混合气体实验为例,对BP--傅里叶红外变换光谱(Fourier Transform Infrared Spectroscopy,FTIR)模型进行了验证和分析。结果表明,利用BP-FTIR吸收系统采集的多组分混合气体的光谱数据的总体回归R值为0.99273,相关性强。在混合气体测试中,乙醚气体的最大预测误差为28 ppm,丙酮气体的最大预测误差为11 ppm,总体预测误差较小,说明该模型能够较好地预测乙醚丙酮混合气体的浓度。因此,神经网络模型对多组分易制毒气体进行浓度反演的预测结果精度较高,本研究也为易制毒及其他混合气体检测提供了新的思路。

基于改进鲸鱼算法优化神经网络的GPS高程拟合方法

采取混沌映射和自适应惯性权重结合的策略对标准鲸鱼算法进行改进,从而提高算法的全局寻优能力和收敛速度,并针对BP神经网络的劣势,利用改进鲸鱼算法对BP神经网络进行优化处理。在此基础上建立改进鲸鱼算法优化BP神经网络的GPS高程异常拟合预测模型,并通过两组不同地形特征工程中的GPS数据对模型进行验证。结果表明,利用改进鲸鱼算法优化的BP模型进行GPS高程拟合时可取得更高的精度和稳定性。

导水裂隙带高度的混沌麻雀搜索-BP神经网络预测模型

为了弥补传统神经网络预测时易陷入局部最优解的缺陷,实现对工作面导水裂隙带高度的精准预测,提出了一种基于混沌麻雀搜索-BP神经网络的导水裂隙带高度预测模型。选取工作面开采厚度、开采深度、倾向长度以及覆岩硬岩岩性比例系数等作为影响导水裂隙带高度的预测指标。对60组导水裂隙带高度实测数据进行标准化处理,利用Logistic混沌映射优化后的麻雀搜索算法对BP神经网络模型参数进行寻优,通过优化后的模型对导水裂隙带高度进行预测。将混沌麻雀搜索-BP神经网络模型与其他方法的预测结果进行分析比较,结果表明:混沌麻雀搜索模型能够明显提高模型全局搜索能力和预测精准性,混沌麻雀搜索-BP神经网络模型预测的导水裂隙带高度均方根误差仅为1.36 m,远远低于传统神经网络的7.86 m和经验公式方法的14.96 m,混沌麻雀搜索-BP神经网络模型比原始BP模型决定系数提高了0.143,拟合效果更好。混沌麻雀搜索-BP神经网络模型可以有效提高导水裂隙带高度的预测精准度,为矿井水害防治工作提供参考依据。

前馈神经网络的混沌BP混合学习算法

简要分析由Logistic映射产生的混沌数以及不同混沌序列之间的概率统计特性,为混沌全局性搜索提供了依据.将一种快速BP算法与混沌优化相结合,提出了混沌BP混合算法.由于混沌Logistic映射的遍历性、随机性,使得混合算法收敛速度快,且具有全局性.采用混合算法对XOR问题和非线性函数进行仿真,结果表明该算法明显优于标准BP算法和快速BP算法.

基于改进Logistic-SSA-BP神经网络的地铁短时客流预测研究

地铁客流的变化规律存在着一定周期性和潮汐性,针对地铁客流的预测有助于提高城市轨道系统的运营效率,实现轨道交通智慧化运营。为提高地铁短时客流预测结果的准确度,提出了一种基于Logistic混沌映射麻雀算法(Logistic-SSA)优化BP神经网络的地铁客流短时预测模型。该模型通过Logistic混沌映射初始化麻雀算法种群,再利用改进后的麻雀算法优化BP神经网络,达到提高BP神经网络的全局搜索能力和收敛效率;以深圳地铁西乡站进、出站AFC刷卡数据为例,利用构建的预测模型开展客流预测实验,并通过3种准确性评价指标(MAE、RMSE、MAPE),评价改进前后模型预测的准确性。研究结果表明:改进的Logistic-SSA-BP预测模型平均绝对百分误差分别为14.96%和13.73%;与传统BP预测模型相比,其客流预测结果具有更高的准确性。

基于LSSA-BP神经网络的煤层瓦斯含量预测方法研究

为提高煤层瓦斯含量预测的精准性和可靠性,提出基于Logistic混沌映射改进的麻雀搜索算法优化BP神经网络的煤层瓦斯含量预测模型(LSSA-BP模型)。先通过灰色关联分析法(GRA)筛选瓦斯含量的主控因素作为LSSA-BP预测模型的输入层节点数,后利用Logistic混沌映射初始化麻雀种群以增加种群多样性,再采用LSSA对BP神经网络的权值和阈值进行优化,解决了单一BP模型收敛速度慢和易陷入局部极小的问题;通过模型应用,将LSSA-BP、SSABP和BP模型的预测结果进行对比。结果表明:LSSA-BP预测模型的平均绝对误差(MAE)、均方误差(MSE)、均方根误差(RMSE)和平均绝对百分比误差(MAPE)分别为0.3469 m^(3)/t、0.1721 m^(3)/t、0.4149 m^(3)/t和27.4036%,均优于其他模型,提高了煤层瓦斯含量预测的准确性和稳定性。

多策略SMA-BP神经网络的空气质量指数预测

针对BP神经网络预测精度不佳、预测结果不稳定的问题,提出改进黏菌算法(ISMA)优化BP神经网络的预测模型,引入Tent混沌映射克服初始种群分布不均的缺点,针对黏菌算法位置更新的随机性和后期容易陷入局部最优等问题引入领导者策略和莱维飞行策略,利用自适应反向学习策略扩大搜索空间并用23组基准函数加以测试。随后利用ISMA算法优化BP网络模型的初始权值和阈值,构建ISMA-BP空气质量指数预测模型,最后将收集到的779组空气质量指数数据代入预测模型中进行测试分析,实验结果表明,与BP神经网络模型、GWO-BP、SMA-BP模型相比,ISMA-BP模型对AQI的预测具有更高的精度,其预测的均方误差为3.8402,平均绝对误差分别为1.5078。

基于BP神经网络的英语语音识别混合算法

随着计算机科学与技术的发展以及语言教学和学习方法的进步,计算机辅助语言学习技术使这一难题有了得以解决的可能。计算机辅助语言学习的核心是语音识别与评价技术,而语音识别技术又是关键所在。本文主要研究了基于BP神经网络的英语语音识别混合算法。本文首先介绍了BP神经网络的原理,并分析了BP神经网络在语音识别中的应用,根据英语语音识别的要求,通过对动量因子的优化,调整自适应速率,改进了BP神经网络模型。通过仿真实验结果可以得知,本文提出的IBPNN语音识别模型的识别率达到了97.2%,为语音识别的改进和优化提供了新的思路。

基于神经网络优化模型的保险公司应对灾害情况的决策安排

针对保险公司应对突发环境污染事故的决策安排,文章以BP神经网络为中心,利用WOA算法对网络拓扑结构及BP的权重系数进行了优化,同时采用Cubic混沌映射优化WOA算法的初始种群以避免局部极值,不仅改进了网络预测精度,还得到了预测误差较小的优化模型。以河南省相关环境数据为主要依据进行仿真测试,文章在确定整体模型结构层数的同时减小了误差指标,符合保险公司的决策预期。

基于Sine-SSA-BP神经网络模型的风机叶根载荷预测

针对风机叶根载荷影响因素复杂、计算量大、非线性和强耦合,采用传统数理分析方法难以建模的问题。文章首先分析了叶根载荷的主要影响因素,并结合多元回归模型建立载荷预测模型;然后采用Bladed对2MW风机实验所得仿真数据划分训练数据集和测试数据集,并利用所得数据对Sine混沌映射改进麻雀算法优化的BP神经网络(Sine-SSA-BP)预测模型进行训练,使用训练后的模型进行叶根载荷预测;最后将预测结果与测试数据、BP神经网络预测模型和极限学习机(ELM)预测模型的预测结果进行对比分析。结果表明,Sine-SSA-BP预测模型性能更佳,预测精度更高,验证了所提方法的可行性和有效性。

基于CSAPSO-BP神经网络的光纤陀螺温度补偿研究

光纤陀螺是惯导系统的重要组成器件,环境温度变化会造成光纤陀螺的零偏发生漂移,从而降低测量精度。运用传统的BP神经网络进行预测易陷入局部极小值,导致补偿失败。该文采用混沌模拟退火粒子群BP神经网络的光纤陀螺零偏温度补偿模型,优化了网络参数。通过在-40~60℃的升降温实验对模型进行验证,实验结果表明,该温度补偿模型的零偏稳定性比补偿前约有70%的精度提升,与以往BP模型相比,其预测性能和补偿效果更好。

基于IWOA-BP神经网络的滑坡区塔线体系应力预测模型

边坡变形会导致滑坡区输电铁塔基础发生变形,从而引起塔线体系内力增大,若此时再遇强风天气,就极易发生断线、倒塔事故,建立边坡变形和风荷载作用下塔线体系的应力预测模型,可有效预防线路事故的发生。首先利用改进的Circle混沌映射、自适应惯性权重以及Levy飞行策略对鲸鱼算法(WOA)进行优化,进而利用改进的鲸鱼优化算法(IWOA)对BP神经网络的权值和阈值进行参数寻优,得到滑坡区塔线体系应力预测模型,将风向角、风速和塔腿支座位移作为模型输入,塔线体系杆件最大应力作为输出。预测结果表明,提出的IWOA-BP模型具有较高的收敛速度与预测精度,与WOA-BP模型相比,平均绝对误差下降了77.4%,均方根误差下降了82.6%,平均相对误差下降了79.1%。

基于混合混沌优化法的BP神经网络算法

运用混合混沌优化法训练BP神经网络,构造了基于混合混沌优化法的BP神经网络训练算法,实例说明具有较高非线性逼近能力和应用价值。

基于小波包-神经网络混合算法的瞬变电磁信号降噪研究

针对瞬变电磁信号容易受到电磁干扰的影响,使得数据信噪比降低,衰减曲线失真,而单一的滤波方法存在易丢失地质信息、圆滑过度等缺点,因而较难获得高精度成像结果的问题。提出基于小波包变换-BP神经网络的混合算法,利用小波包变换对信号的能量特征提取能力、分解重构能力和BP神经网络的学习和反馈能力,对瞬变电磁信号进行滤波处理。利用傅里叶变换获得瞬变电磁信号的频域特征,将受干扰信号和未受干扰信号对比,得到两者差异;利用3层小波包分解获得第3层节点能量占比,提取重构信号特征,对瞬变电磁信号进行初步的分解重构;调用训练好的神经网络模型对重构信号进行特征训练,获得最终的瞬变电磁信号。经小保当矿业有限公司二号煤矿实测数据研究表明:混合算法相比常用的S-G滤波、均值滤波等,实用性更强、准确率更高,滤波时保留了真实的地质信息,增强了资料解释的精度,应用效果较好,为资料处理过程提供了强有力的技术支持。

飞机舱门收放系统CPSO-BP神经网络故障仿真与诊断

针对民机舱门收放系统故障模拟代价大、故障数据少、故障诊断精度低的问题,提出基于CPSO-BP神经网络的飞机舱门收放系统故障诊断方法。根据民机舱门系统工作特性和高发故障的情况,确定流量控制阀磨损、液压马达泄漏、液压油污染和节流阀阻塞4种典型故障模式;建立飞机舱门AMESim收放系统仿真模型,通过典型故障的仿真分析获得120组故障数据,构建包含29520个样本的故障数据集;采用BP神经网络进行故障诊断,其平均诊断正确率仅为85.36%。采用混沌粒子群算法(CPSO)优化BP神经网络的初始权重和阈值,故障诊断正确率达到93%,提高了飞机舱门收放系统的故障诊断正确率。