基于遗传算法和BP神经网络的矿区土壤重金属含量空间分布预测

本研究提出了一种基于遗传算法(Genetic algorithm,GA)和BP神经网络(Back propagation neural network,BPNN)的复合模型——GABP模型,以安徽省池州市某矿区及其周边为研究区,预测了土壤中p H和7种重金属元素(Cd、Pb、Cr、Cu、Ni、Hg、As)含量的空间分布,并与BPNN和反比距离权重法(Inverse distance weighting,IDW)进行了比较。研究结果表明:受采矿活动影响,研究区土壤p H和重金属含量呈显著的空间分异性;GABP复合模型的数据扩增能够有效弥补BPNN对样本数量的依赖,同时结合了地理位置和高程属性,精度评价结果显示GABP模型的平均R^(2)、r、RMSE、MAE分别是IDW和BPNN的3.03倍、2.56倍,2.93倍、2.39倍,0.85倍、0.61倍,0.79倍、0.62倍,预测精度更高。模型解决了传统空间插值方法结果中可能出现负值和边界无法插值的问题,为土壤重金属含量空间分布预测提供了一种新方法。

一种基于GABP神经网络的RIS辅助近场无线定位方法

可重构智能表面(RIS)是6G潜在关键技术,将其部署在无线通信系统中,可辅助基站对用户进行定位,并提高定位性能。在毫米波频段,由于频率较高,RIS面板的阵列孔径及反射单元个数较大,近场区域范围扩大,用户将大概率处于RIS的近场区域中。为此,考虑RIS辅助的无线通信系统在近场条件下对用户进行定位,将用户定位问题建模为参数估计问题,并利用最大似然估计来实现对用户三维坐标参数的估计。为求解所建立的最大似然估计问题,结合遗传算法与反向传播算法神经网络的优势,提出了一种计算效率更高的GABP算法。仿真结果表明,所提GABP算法比传统的遗传算法计算效率更高。

基于GABP算法的山区高速公路路线设计安全性评价方法

传统的高速公路路线设计安全性评估方法常受限于定性的评价方式,导致评估结果缺乏足够的精确性与客观性,难以满足科学、准确评估道路安全性的需求。针对此问题,文章提出基于GABP算法的山区高速公路路线设计安全性定量评价方法。该方法通过构建全面的安全性评价指标体系,并借助GABP算法的全局优化与学习能力,寻求评价最优解。通过迭代加速策略,快速生成最优解并计算安全性评价分数,实现对山区高速公路路线设计安全性的精确评估。结果显示:相较于传统方法,基于GABP算法的评价方法所得分数与实际安全性评价更为接近,表现出更高的精确性和应用价值。

遗传BP神经网络的煤价预测与煤价风险规避策略

分析了影响煤炭市场价格的因素,然后建立了基于遗传算法的BP网络模型,对秦皇岛港煤炭市场价格进行了预测,通过实证分析和预测误差评价指标比较,基于遗传算法的BP神经网络模型相比普通BP神经网络模型预测在煤炭市场价格应用中能有效降低预测误差。最后提出了在当前市场煤价高位运行情况下发电企业如何最大限度降低煤价风险的对策。

基于改进的遗传神经网络入侵检测系统

针对单独使用遗传算法不能在短时间内寻找到接近最优解的问题,采用改进的遗传算法来优化神经网络权值,能很好地与BP算法结合。用Matlab进行仿真实验,实验结果表明:改进的BP神经网络在入侵检测中有着巨大的应用潜力,识别率普遍达95%以上。

线性组合预测模型及其应用

预测的关键是建立合理的预测模型。不同的预测模型各有长处,通过对不同预测模型的线性组合可以得到效果更好的线性组合预测模型。本文以福建城镇居民恩格尔系数为研究对象,分别建立线性回归预测模型、灰色系统预测模型、遗传神经网络(GABP)预测模型,并在此基础上建立线性组合预测模型。实证研究表明,线性组合预测模型预测效果较好。

一种基于遗传优化的BP神经网络的测光红移估计算法

除了星系的光谱红移之外,星系测光红移的估计也对研究宇宙大尺度结构及演变有着重要的研究意义。利用斯隆巡天项目最新发布的SDSS DR13的150 000个星系的测光及光谱数据,在红移值Z<0.8范围内,先使用SOM自组织神经网络对星系样本进行早型星系和晚型星系的聚类,然后用遗传算法优化后的BP神经网络对星系的测光红移进行估算。估算结果与作为标准的已知星系光谱红移进行比对,早型星系的红移估计最小均方误差约为0.001 3,晚型星系最小均方误差约为0.001 7。实验结果表明,遗传优化的BP算法在精度上优于BP神经网络算法,且效率上优于K近邻、核回归等传统测光红移估计算法。

基于驾驶人视觉感知的低等级公路行车速度预测

低等级公路环境下的行车速度变化特征比较复杂,已有的基于几何线形指标的车速模型不足以全面地表述这种特征.通过大量实车实验发现,低等级公路环境下驾驶人所采用的行车速度和其视觉感知到道路条件之间存在很好的相关性.驾驶人感知的道路条件分为视觉车道信息和视觉路侧环境信息.采用Catmull-Rom样条曲线拟合的视觉车道模型能够反应驾驶人感知的低等级公路几何特征,根据视觉车道模型形状参数,使用遗传算法优化BP神经网络(GABP)建立了基于几何信息感知的几何车速模型.同时,基于路侧环境信息利用Logistic回归模型建立了路侧车速修正模型.将上述模型结合起来,形成了基于驾驶人视觉感知的低等级公路行车车速预测方法.由此方法计算的驾驶人行车速度与实测情况吻合性好,能够很好地描述驾驶人在低等级公路环境下通过对道路条件视觉认知而产生行车速度的行为特征,是低等级公路运行车速预测计算的一种有效方法,不仅可以作为道路安全评价的基础,也可以为基于行车速度的公路几何设计提供有力支持.

基于机器视觉和GABP算法的播种检测研究

为了判别育秧播种后每穴超级稻籽粒的数目,基于机器视觉运用了遗传改进的BP神经网络(GABP)算法并结合LabVIEW和Matlab设计了图像采集、处理及结果显示系统。针对采集到的图像,采用迭代阈值法分割并获取二值图像,运用投影法定位秧盘目标检测区域及秧穴,并提取超级稻的面积、周长、形状因子和7个不变矩共10个特征参数,建立基于GABP算法的播种检测模型,分别检测空穴、1粒、2粒、3粒。检测试验结果表明,4种情况的实际检测试验结果与人工检测相对误差分别为3.9%、2.0%、3.74%、5.63%,算法平均处理时间为1.018 s,为进一步实现在线穴播量检测系统设计及精密播种作业提供参考。

新场气田开发方案寻优的遗传优化神经网络模型

在深入剖析遗传算法GA和BP神经网络优势的基础上,提出了改进的遗传优化BP神经网络模型(简称GABP模型)。该原理是利用遗传算法(GA)对BP神经网络的结构和连接权进行全局优化学习,从而获取最佳的网络模型。经前人大量研究表明:遗传算法的适应性好,对搜索空间没有任何特殊要求,且全局优化能力强,可以有效地在整个解空间寻优,但遗传算法存在局部调节能力较弱、容错性较差的不足。而神经网络的容错性较强,具有自组织、自适应和分布式储存的特点,它可以通过学习和训练,进行模型结构的自组织,适应不同信息或信息模糊,以及推理规则不明确问题的处理,但神经网络方法又有搜索能力较差,容易陷入局部解之中的缺点。从上述二种方法的优缺点出发,按照取其所长,克己所短的原则,将二种方法有机地结合起来,构建了GABP模型及其算法。通过对新场气田开发方案优选的决策应用,表明该模型的评价结果准确合理,可为类似研究借鉴参考。

求解大规模三对角线性方程组的GaBP并行算法

根据大规模三对角线性方程组求解的特性,结合消息传递接口和开放多处理模型,设计分布式共享内存环境下求解大规模三对角线性方程组的GaBP并行算法。在Intel Xeon E5-2650并行计算集群环境上进行数值实验,结果表明,与基于消息传递接口的GaBP并行算法相比,该算法具有更高的加速比和更好的可扩展性,能充分发挥集群系统的综合计算性能,提高大规模三对角线性方程组的求解速度。

不同水热条件下土壤累积氨挥发模型对比研究

研究根据室内土壤氨挥发试验数据,建立了Elovich、BP神经网络,以及GABP三种预测模型,并分析比较了三种模型的预测效果。结果表明:三种预测模型均能满足模拟精度要求,其中GABP模型所预测的结果与实测值的平均相对误差、相关系数和决定系数为三种模型中最优,具有较高的预测精度和良好的稳定性,可以较好地表征土壤氨挥发动态变化过程,为土壤氨挥发的预测研究提供了良好的依据。

基于HP滤波的ARMA-ABCSVR-GABP网络流量预测

针对当前网络流量无法根据流量变化的特征进行预测,且通过单一或者组合模型依然得不到较高准确率的问题,提出一种基于HP(High-Pass Fliter)滤波的流量预测模型。基于高铁站流量数据日高夜低的周期特性以及流量波动增长的长期趋势,依据HP滤波将网络流量分解成周期序列及趋势序列。利用自回归-滑动平均模型(ARMA)对平稳序列预测的优势来进行周期变化的预测;使用人工蜂群算法(ABC)优化后的支持向量回归机(SVR)对趋势序列进行预测;将二者预测的结果叠加,使用遗传算法优化的BP神经网络(GABP)进行结合预测,进一步提高准确率。结果显示,该预测方法可靠,较其他方法具有优越性。

基于GaBP的迭代加速优化算法

求解对称对角占优线性方程组的GaBP(Gaussian Belief Propagation)迭代算法具有低计算复杂性和高并行性的特点。利用GaBP算法的这两个特点,便于处理大规模稀疏线性方程组的求解。为了进一步提高求解的迭代效率,使用经典迭代算法中的加速优化方法,给出了对应的多种GaBP迭代加速优化算法。从动态松驰因子的GaBP算法和MannGaBP迭代加速优化算法的实验结果表明,在相同精度下,所提出的加速优化算法比经典迭代算法和GaBP算法具有更高的并行执行效率。

GABP神经网络算法模型在计算机网络安全评估的应用研究

针对互联网应用过程中受到攻击造成网络安全性下降的问题。在传统BP神经网络的基础上,建立互联网安全因子的非线性系统,通过引入遗传算法具备的全局搜索能力进行网络结构优化,扩大算法的应用范围,有效提高神网络的泛化能力,实现对网络风险和网络安全态势的评估和预测。通过实例验证表明:基于GABP神经网络的安全评估预测系统,使整个网络拓扑结构安全综合性保持在一个较高的势态值位置,对网络安全的预测为网络管理提供了有效的技术手段。

GABP神经网络算法在计算机网络安全评价方面的应用探析

计算机网络在各大领域中得到了广泛的应用,给社会发展以及生产技术带来了发展机遇。与此同时,计算机网络安全问题成为了当前社会各界关注的主要问题。目前,可通过一些常用的工具软件来对其网络进行扫描及评估,但对一些较为复杂化的计算机网络应用领域而言,需找到具有操作性强、适用面广、人为干扰小的安全评价方法,才能满足当前高速发展的计算机网络安全控制需求。

基于GPU的GaBP并行算法研究

GABP属于一种迭代算法,是求解线性代数方程组的一种有效方法;该方法以递归更新的概率推理算法为基础,具备了较高的并列性和较低的复杂性等特点,在现代线性代数方程组的求解过程中具有广泛的应用。

基于GABP算法的计算机复杂网络可靠性评估方法研究

网络技术的广泛使用和云计算技术的兴起,使网络安全问题面临新的挑战。目前的网络可靠性评估方法存在诸如适用范围小、操作性差以及存在干扰因素等问题,对基于GABP算法的计算机复杂网络的可靠性进行研究,并利用德尔菲法筛选评价指标,建立一种综合评价模型。

基于GA-BP网络的高速电火花线切割建模方法研究

高速电火花线切割作为特种加工技术之一,被广泛应用于各种机械加工领域。但其加工过程是一个多参数、多变化的过程,为建立一个具有一定拟合精度和泛化能力的模型,通过尝试二次通用旋转组合设计试验,以遗传算法优化BP神经网络初始权的思想建立GA-BP模型。试验表明,在相同参数设置下GA-BP比纯BP模型更具有有效性和优越性,对后续仿真系统的建立具有一定的指导作用。

GaBP算法优化与实现

通过研究经典GaBP算法,实现了同步和异步GaBP算法程序设计和计算实验,并对结果进行了系统的分析。实验表明GaBP优化算法——异步GaBP算法比经典GaBP算法有更好的计算效率。