基于改进的BP神经网络模型的雷达网效能评估

为拓展雷达网效能评估的内容、改进评估方法和提高评估效率,重构了雷达网效能评估指标体系,给出了各指标的量化模型和方法;针对BP神经网络收敛速度慢、局部极小化问题,提出了利用遗传算法(GA)优化BP神经网络的方法,并采用GA+BP神经网络模型对雷达网部署方案进行了评估优选.仿真结果表明,运用GA算法改进的BP神经网络具有更快的收敛速度和更高的预测精度,可作为雷达网效能量化评估的有效手段,为雷达兵作战筹划提供科学决策依据.     

基于GA-BP神经网络的某型装备作战效能评估方法

针对BP神经网络存在易陷入局部极小值的缺点,利用遗传算法全局搜索能力强的特点,对BP神经网络的权值和阈值进行优化,建立了基于GA-BP网络的某型装备作战效能评估模型,给出了实际数据的评估结果.实验结果表明:GA-BP神经网络的泛化能力、评估准确性比BP神经网络的效果更好,这为评估某型装备的作战效能提供了一种新的思路.     

基于BAS-BP模型的电缆阻水性评估研究

为准确评估电缆绝缘性能,提出一种基于BAS-BP神经网络的电缆阻水性评估模型。该模型针对不同型号电缆进行浸水试验,选取不同时间测得的各项数据作为评估指标,利用KPCA数据处理后输入模型进行评估,并与BP、GA-BP和PSO-BP三种模型进行对比分析,证明天牛须搜索算法优化BP神经网络对于评估电缆阻水性准确有效。     

运用深度信念网络的雷达干扰效能评估

针对传统的雷达干扰效能评估方法可信度低、准确率低等不足,提出了基于深度信念网络的评估方法.首先利用层次分析法中的指标集建立方法生成网络的训练样本和测试样本,通过逐层无监督学习获得网络初始参数;然后结合层次分析法计算得到的结果,利用反向传播算法对网络参数进行微调;最后利用Softmax进行干扰效能评估等级划分.该方法通过在训练样本评估结果中引入随机误差,改善了深度信念网络的泛化能力,进一步提高了评估结果的准确性.仿真结果表明,与BP神经网络和径向基函数神经网络相比,评估准确率更高,达92.75%,从而验证了所提方法的有效性.     

基于BP神经网络的战场网络攻击效能评估

战场网络攻击效能评估是网络攻击研究的重要内容.为了评估战场网络攻击效能,构建了战场网络攻击能力评估指标体系,提出了基于BP神经网络的评估方法,给出了构造样本的方法,并用构造的样本对BP神经网络进行训练,最后利用Matlab软件对该网络进行了仿真.通过与模糊综合评判法得出的评估结果相比较,验证了该方法的有效性.该方法减少了评估中人为因素的影响,使评估结果更可信.     

基于空间信息格网与 BP神经网络的灾损快速评估系统

针对传统洪灾损失评估中存在的问题,建立了基于空间信息格网与BP神经网络的灾损快速评估系统.首先,利用Arc GIS空间分析技术提取洪灾区域,用信息格网技术将受灾区域格网化,分类提取不同受灾地类的受灾面积、淹没深度;其次,实地采集数据,构建受灾样本数据库;然后,建立基于空间信息格网与BP神经网络的灾损快速评估模型,并将评估模型使用程序编码的方式实现;最后,利用基于模型开发的评估系统针对某县受灾区域进行了洪灾经济损失的评估计算,结果表明,基于该模型方法计算结果与洪灾损失统计值相差不大,说明基于空间信息格网与BP神经网络的灾损快速评估系统具有一定的可靠性.     

基于神经网络的医院绩效研究

在国内外绩效考核评估理论的基础上,结合中国医院管理的现状,建立了医院绩效综合指标评价体系,构造了医院绩效评价的BP神经网络模型,最后以JC医院为例,对其绩效进行评价。仿真结果表明利用BP神经网络进行医院绩效评价具有可行性和有效性。     

应用GA-BP神经网络的生态工业园风险评价

由于生态工业园的结构和外界影响因素均存在很多不确定性,给系统的运行带来了很多风险,定量化分析生态工业园风险成为一个研究难题。提出了一种应用GA-BP神经网络的生态工业园风险评价方法。首先提出一套生态工业园风险评价指标体系,并对指标体系的二级指标进行了分析;然后考虑各个评价指标的非线性关联性,提出一种基于遗传算法优化BP神经网络的生态工业园风险评价方法,该方法利用遗传算法优化BP神经网络的初始权值,提高了BP神经网络的求解精度;最后在Matlab R2011b环境下对30组样本进行案例研究。仿真结果表明:应用GA-BP神经网络的评估方法能较好地评估生态工业园风险水平,与标准BP网络相比收敛速度更快,具有更好的全局收敛性。     

基于Wrapper的信用风险预测模型研究与应用

研究了一个有效适用的企业信用风险预警模型。针对单一BP神经网络预测模型由于财务指标选择不当导致误判率较高的问题,提出了首先进行特征选择,利用遗传算法搜索出最优特征子集,并采用BP神经网络作为遗传算法的评估函数,构建了一个基于Wrapper方法的神经网络信用风险预测模型。以沪深股市1998—2004年间的制造企业数据为例对模型进行实验,结果表明,新模型提高了预测准确率,评估结果更具科学性,实际应用具有良好的信用风险预测能力。     

基于神经网络模型的智能电网线损估计方法

为了准确、有效、实时估计智能电网中配电网线损,提出了一种基于神经网络模型的智能电网线损估计方法.在BP神经网络算法的基础上采用LM算法对神经网络权重和阈值进行连续优化从而实现网络自适应调节,进而搭建神经网络模型.将模型应用于IEEE33节点系统进行实验,实时估计每条线路的功率损耗并将估计线损值与实际测得的线损值进行比较并提出相应的评估指标对方法有效性进行评估.结果表明,与传统的潮流法相比,所提出的方法具有更优的运算速度和准确度.     

BP神经网络应用于高等学校顾客满意度测评的研究

引入顾客满意战略是高等教育教学评估新的理念和手段,所以对我国高等学校顾客满意度评价体系尝试研究,在确立评价体系的基础上,利用误差反向传播人工神经网络(BP网络)的多指标综合评价问题,建立了我国高等学校顾客满意度测评的BP模型。     

粒子群优化的BP神经网络在电梯群控系统中的应用

目的提出基于粒子群优化的BP神经网络获取评价电梯群控系统派梯性能指标的新方法．方法综合考虑电梯运行特性,确定电梯调度控制策略,建立了电梯运行性能的评价指标函数,利用神经网络自学习功能获取评价指标的初始权值和阀值,针对平均候梯时间对比研究了普通BP神经网络算法和粒子群优化BP神经网络算法．结果将优化的权值和阀值代入BP神经网络获得平均候梯时间,粒子群优化的BP神经网络与BP神经网络相比,减少了迭代次数,缩短了运行时间．结论仿真实验表明,该方法可以避免BP神经网络训练中产生局部极小值,加快BP神经网络训练速率,提高电梯群控系统控制的速度．     

基于改进BP神经网络模型的电力工业可持续发展综合评价研究

利用附加动量法和自适应学习速率,对传统的BP神经网络算法进行了改进,建立了基于改进BP神经网络的多指标综合评价模型,并将其应用到北京市电力工业可持续发展综合评价研究中去。改进后的神经网络评价模型,大大减少了学习次数,有效防止了网络陷入局部极小值;摆脱了评价过程中人为因素及模糊随机性的影响,同时能保证评价结果的准确性,是一种智能的评价方法。实例运算得出令人满意的评价结果,证明了这种方法的有效性。     

基于BP神经网络的工程项目风险评价

工程项目风险评价是工程项目管理的一个重要环节,将神经网络理论引入工程项目风险评价,建立了工程项目风险评价的BP神经网络模型,并通过实例对模型进行了验证。     

基于BP神经网络的教学质量评价模型

采用了BP神经网络的原理用于教学质量评价,建立了教学质量评价模型.构建了神经网络评价模型的结构,通过仿真和实例表明了评价模型的有效性,为全面、公正、科学地评价教学工作提供了一种新方法.     

基于神经网络的室内热舒适评判模型

为更加科学地建立室内热舒适度评判体系，以某个体对不同热环境4个室内环境主要影响因素(环境温度、风速、相对湿度、平均辐射温度)的热舒适判断作为教师对神经网络的权值进行修正，以MatLab为开发工具，建立了室内热舒适的BP神经网络评判模型，给出了模型的算法．几种不同环境的验证结果表明，该模型的预测结果与此个体的实际判断高度吻合．     

基于模糊综合评价和BP神经网络的车辆危险状态辨识

考虑驾驶员、车辆、环境和管理因素对车辆安全状态的影响,建立了车辆安全状态评价体系。采用模糊层次分析法确定了各评价指标的权重,利用岭型函数建立了评价指标对评价等级的隶属度函数,在Matlab神经网络工具箱中构建了车辆安全状态神经网络评价模型。采用预设故障的试验方法,利用车辆监测预警系统采集道路试验过程中车辆的运行状态参数。通过模糊综合评价得出神经网络所需的训练样本,运用训练好的BP神经网络对道路试验中车辆安全状态进行评价。道路试验结果表明:神经网络评价较模糊综合评价灵敏度更高、更准确,为车辆危险状态辨识提供了一种新方法。     

Powell-Beale重开始算法在水质评价中的应用

建立了基于Powell-Beale重开始算法的改进BP网络水质综合评价模型.该模型在网络权值训练中,以共轭梯度方向取代了标准BP网络的负梯度搜索方向,并通过设定的重新开始准则,适时调整搜索方向,加快了网络运行速度.实验结果表明,新模型改善了标准BP网络模型收敛速度较慢、易陷入局部极小或中断训练的缺陷,泛化能力较强,评价结果客观合理..     

基于BP神经网络的太湖富营养化时空变化预测

建立拓扑结构为5-9-1的3层BP神经网络模型,预测太湖的富营养化水平,为水环境监测平台提供决策支持。该模型采用动量梯度下降法对太湖的湖体的富营养化水平进行预测并评价。验证结果表明,训练后的网络得出的预测结果与实际值很接近。因此,采用BP(Back Propagation)神经网络对太湖湖体富营养化水平进行预测并评价是一种有效的方法。     

MATLAB神经网络在湖库富营养化程度评价中的应用

基于MATLAB神经网络和我国湖库富营养化评价标准,运用人工神经网络模式识别理论和方法,分别建立了BP,PNN,GRNN和Elman神经网络湖泊富营养化等级评价模型,对全国24个主要湖泊富营养化程度进行评价,并与文献[5]和文献[9]的评价结果进行比较.结果表明:基于MATLAB神经网络模型评价湖库富营养化程度是可行的...