基于GA-LMBP网络模型的小浪底大坝3维变形预报分析

BP神经网络在大坝监测资料分析处理中有广泛的应用,本文针对改进的BP神经网络:LM-BP网络模型的不足,采用遗传算法加以改进,建立了一种基于遗传算法和LM-BP网络模型的大坝3维变形预报模型GA-LMBP网络模型。将GA-LMBP网络模型应用于小浪底大坝3维变形预报分析中,取得了很好的预报效果,证明了GA-LMBP网络模型是一种行之有效的大坝变形分析预报模型。

基于GA-LMBP神经网络模型的大坝渗流压力预报分析

为克服传统BP神经网络在渗流压力预测过程中收敛慢、计算量大和易陷入局部极小等缺陷,依据渗流压力的影响因素,研究了模型的结构和输入输出因子,建立了基于遗传算法和LM算法相结合的GA-LMBP神经网络的大坝渗流压力预测模型,即通过遗传算法(GA)的选择、交叉和变异操作得到BP网络的一组全局最优近似解(即网络的初始权值和阈值),再以该近似解为初值,利用LM算法对BP网络进行优化训练,将训练好的网络用于渗流压力的预测。实例应用结果表明,在相同精度的要求下,GA-LMBP神经网络模型收敛速度快、预测精度高,对大坝渗流压力的预测效果更佳,是值得采用的一种模型。

一种结合改进遗传算法和BP神经网络的图像压缩算法

针对LM(Levenberg-Marquardt)算法的缺陷,提出一种使用改进的遗传算法和LM算法优化神经网络的混合学习算法(GA-LMbp)。该算法先通过改进的遗传算法粗调得到一组全局最优近似解(即BP网络的初始权值和阈值),再以该近似解为初值,用LM算法优化BP网络进行图像压缩处理。实验结果表明,新算法提高了网络的学习能力和收敛速度,避免了LMbp陷入平坦区或局部极小值。

基于图像处理的油脂色泽检测系统研究

针对目前油脂色泽检测方法存在主观误差大等问题,采用嵌入式图像处理的方法,设计以ARM处理器为核心、结合复杂可编程逻辑器件与图像传感器的油脂色泽在线检测系统,提出一种采用遗传算法与LM优化的BP神经网络(GA-LMBP)算法,给出系统的硬件实现和软件流程。实验结果表明,该系统具有较好的准确性和稳定性,能避免主观误差、降低成本,可应用于油脂色泽检测领域。

基于BP网络和D-S证据理论的瓦斯监测系统的研究

针对目前煤矿采用的瓦斯传感器输出信号具有模糊性、不确定性等问题,提出了一种基于BP网络和D-S证据理论的瓦斯监测系统的设计方案。该系统采用改进的BP算法获取煤矿环境的基本概率分配,采用D-S证据理论对BP网络输出结果进行信息融合,从而对井下瓦斯状态作出判断和决策。实验结果表明,该系统提高了瓦斯监测信息的准确性和决策的快速性。

基于PCA-LMBP神经网络模型的SCR脱硝催化剂工艺特性预测

为了利用烟气脱硝催化剂几何及理化特性实现对催化剂固定工况下脱硝效率和活性的预测,本文分析了选择性催化还原(SCR)脱硝催化剂工艺特性与几何及理化特性之间的关联特征,利用相关系数矩阵分析、主成分分析(PCA)简化输入参数,提出改进的神经网络预测模型。通过大量样本数据的训练,建立了催化剂脱硝效率和活性的PCA-LMBP神经网络预测模型,利用该模型对实际测量数据进行模拟预测。模型预测结果与实际值对比表明,所建立的PCA-LMBP神经网络预测模型具有较高的准确性,对于烟气脱硝催化剂性能检测、质量监控及相关的技术服务有指导意义。

遗传-LMBP杂化算法神经网络测定糖蜜中小分子酸

采用遗传算法与LMBP神经网络相结合,以多组分有机酸合成标准样品的电位滴定数据为训练集,建立了滴定剂消耗量与有机酸组分浓度之间关系的网络模型,实现了废糖蜜样品中乙酸、乳酸、琥珀酸、柠檬酸、草酸、乌头酸等不经分离同时测定。实验结果表明,杂化后构建的GA-LMBP神经网络,其收敛速度和预测的精确度都较LMBP网络有显著的提高。方法应用于糖蜜样品的测定,相对于HPLC的测定值作为标准,总体的平均相对误差为6.6%。