共查询到17条相似文献,搜索用时 93 毫秒
1.
利用蚁群算法优化反向传播神经网络的初始权值、阈值,建立预测模型,对港口货物吞吐量进行预测。蚁群算法具有全局搜索能力,分布式计算和鲁棒性强等特点,有利于加快反向传播神经网络的收敛速度,避免易陷入局部极值的问题,提高建模精度。在港口吞吐量预测中的应用表明:蚁群算法优化BP神经网络模型、模糊神经网络预测模型、RBF预测模型及BP预测模型的平均绝对百分比误差分别为2.826%、3.734%、4.990%和6.566%;同时,蚁群算法优化BP神经网络模型收敛速度最快。与传统BP神经网络、RBF网络及模糊神经网络相比,蚁群算法优化BP神经网络模型、模糊神经网络预测模型、RBF预测模型及BP预测模型的平均绝对百分比误差分别为2.826%、3.734%、4.990%和6.566%。 相似文献
2.
近红外光谱技术的恩施玉露原产地鲜叶收购价格评估 总被引:1,自引:0,他引:1
《中国计量学院学报》2016,(2):167-171
为科学客观地评估鲜叶收购价格,应用近红外光谱技术结合人工神经网络方法和联合区间偏最小二乘法,建立了三种鲜叶收购价格预测模型并比较了预测效果.应用联合区间偏最小二乘法筛选最佳光谱区间为5 750~6 000cm-1,7 750~8 000cm-1,8 250~8 500cm-1,8 500~8 750cm-1,9 500~9 750cm-1和9 750~10 000cm-1,并对上述光谱进行主成分分析.前5个主成分累计贡献率为99.87%,并以此为输入值建立收购价格人工神经网络预测模型(R2=0.968 7,RMSEP=4.625).模型预测结果优于全波长人工神经网络模型(R2=0.855 1,RMSEP=5.218)和联合区间偏最小二乘法模型(R2=0.581 6,RMSEP=25.433)的预测结果.近红外光谱技术结合人工神经网络和联合区间偏最小二乘法,能够快速、准确、客观的评估鲜叶收购价格,有利于统一鲜叶收购价格标准,有效地减少纠纷. 相似文献
3.
4.
为了实现对低真空管道中运行列车的最大阻力预测研究,本文采用数值仿真和神经网络结合的方法。选取不同阻塞比、运行速度和管道压力,利用流体仿真软件计算100种运行工况下列车的最大阻力;以96组仿真数据作为网络模型训练样本,选取RBF和BP两种三层神经网络,经多次调试确定最佳隐层神经元数目,利用训练函数训练两种预测模型;利用随机选取的4组验证样本验证两种网络模型。研究表明:RBF和BP神经网络模型能较好的预测列车在真空管道中运行的最大阻力,其中RBF神经网络预测值的最大误差不高于5%,相比BP神经网络,RBF预测精度更优。 相似文献
5.
基于BP网络的苹果硬度高光谱无损检测 总被引:1,自引:0,他引:1
目的为了实现基于高光谱成像以及误差反向传播(BP)网络模型的苹果硬度快速无损检测。方法利用高光谱成像采集系统采集采后"富士"苹果的高光谱图像,然后提取整个苹果样本区域的平均反射光谱;利用连续投影算法(SPA)和竞争性自适应重加权算法(CARS)实现对标准正态变换预处理后光谱数据的降维;研究基于全光谱以及特征光谱的预测苹果硬度BP网络模型。结果采用SPA和CARS分别从256个全光谱中提取了18个和16个特征波长,明显提升了预测模型的运行效率,且SPA+BP网络模型具有相对较好的苹果硬度预测能力(rp=0.728,RPm=0.282 kg/cm2)。结论研究表明基于高光谱成像技术和BP网络建立的预测模型可快速无损预测苹果的硬度。 相似文献
6.
针对静电纺丝在制备过程中易受到如聚合物含量、电压、推进速度和接收距离等工艺参数影响的问题,提出一种静电纺丝工艺参数的优化方法,以提升纳米纤维制备效率。以聚乳酸纳米纤维膜为研究对象,采用纤维直径为性能评价指标,设计实验获得训练和测试样本,借助BP(Back Propagation)和RBF(Radial Basis Function)神经网络构建不同工艺参数下的预测模型。结果表明:BP和RBF神经网络模型均能较好的对纤维直径进行预测,但RBF神经网络模型预测精度更高,其平均绝对误差(MAE)为12.125 nm,相对误差不超过7%。RBF神经网络建立的预测模型具有更高的稳定性,模型泛化能力更好,综合预测性能更加优越。所建立的模型可以帮助研究人员制备具有确定纤维直径的静电纺丝纳米纤维膜,实现对工艺参数的优化。 相似文献
7.
《真空科学与技术学报》2020,(9)
为了实现对低真空管道中运行列车的最大阻力预测研究,本文采用数值仿真和神经网络结合的方法。选取不同阻塞比、运行速度和管道压力,利用流体仿真软件计算100种运行工况下列车的最大阻力;以96组仿真数据作为网络模型训练样本,选取RBF和BP两种三层神经网络,经多次调试确定最佳隐层神经元数目,利用训练函数训练两种预测模型;利用随机选取的4组验证样本验证两种网络模型。研究表明:RBF和BP神经网络模型能较好的预测列车在真空管道中运行的最大阻力,其中RBF神经网络预测值的最大误差不高于5%,相比BP神经网络,RBF预测精度更优。 相似文献
8.
针对混凝土材料力学性能精准预测的问题, 提出了一种粒子群算法(PSO)优化的径向基函数(RBF)与自编码器(AE)融合预测模型(RBF-PSO-AE), 对混凝土断裂能、失稳韧度和起裂韧度等参数进行预测分析。首先运用RBF结合AE使用交叉熵损失函数对数据特征降维加速收敛, 其次利用PSO快速优化模型的网络最佳权值, 最后将该模型与多种单一预测模型进行实验比较。实验结果表明该算法模型预测精确度和泛化能力提升明显, 实现大于99.99%的预测精度, 均方根误差0.006%, 能有效减少混凝土力学性能预测的误差, 具有良好的鲁棒性。 相似文献
9.
10.
针对神经网络在预测复合镀层性能方面的应用情况,以及传统的BP神经网络存在缺陷;通过对RBF神经网络的基本原理和特点的研究,建立了利用RBF神经网络对Ni-TiN纳米复合镀层显微硬度进行预测的模型。通过实验数据验证了所建立的RBF神经网络模型具有很高的精确度,其最小相对误差可达0.62%,而且所建立的预测模型具有优化工艺参数的功能,对复合镀层的其它性能进行预测具有指导意义。 相似文献
11.
12.
阐述了六自由度运动平台的控制原理,并根据控制系统的特点,提出采用基于RBF和BP神经网络来改进常规PID控制器实现系统控制性能。在该控制系统结构中,提出了在RBF网络辨识Jacobian的基础上,将BP神经网络引入了平台控制系统中PID控制器的控制参数在线整定的算法,最后给出了在MATLAB下的具体仿真算法。 相似文献
13.
文章介绍了RBF网络的基本原理以及网络中心选取OLS算法(正交最小二乘法),并将该方法应用于大坝渗流安全监测资料的分析预报上,应用结果表明:该神经网路可以很好地克服BP神经网络学习过程的收敛过分依赖于初值和可能出现局部收敛的缺陷,具有较快的运算速度、较强的非线性映射能力和较好的预报功能。 相似文献
14.
神经网络在色空间转换中的应用 总被引:10,自引:10,他引:0
通过运用MATLAB7.8进行了BP和RBF的数值仿真,并作出了二者的转换误差图,研究了采用BP和RBF神经网络方法进行色空间转换的精度差异问题。结果表明:BP神经网络由于本身收敛速度慢及训练无记忆性等缺陷,整体性能低于RBF神经网络,即用RBF来解决色彩管理中的色空间转换问题更符合要求。 相似文献
15.
径向基函数神经网络在多维力传感器标定中的应用 总被引:1,自引:0,他引:1
维间耦合是制约多维力传感器测量精度的主要因素,为了克服传统线性标定方法的局限性,利用径向基函数(RBF)神经网络强非线性逼近能力进行了多维腕力传感器的静态标定,并将其与最小二乘法和BP神经网络标定法作了比较。以研制的六维腕力传感器为对象进行了实验,结果表明,采用RBF神经网络对多维腕力传感器标定比用最小二乘线性标定有更高的标定精度,网络训练速度则大大快于BP神经网络。这种新方法具有一定的实用价值。 相似文献
16.
本文针对变频压缩机的功率测量困难,测量误差大等问题,提出了一种仿真测量模型。利用粒子群算法寻找全局最优粒子,用它初始化BP神经网络的阈值和权值,测量变频压缩机的功率。本文共建立了3种仿真模进行对比,分别为BP神经网络模型、GA-BP神经网络模型和PSO-BP神经网络模型,然后分别通过3种模型的内插、蒸发温度外推和冷凝温度外推的测试方法对变频压缩机进行功率测量,对比分析其预测结果的平均相对误差和拟合程度。结果表明:基于粒子群算法优化的BP神经网络模型明显优于其他两个模型,特别是在冷凝温度外推测试中,较其他两个神经网络相对误差降低了1. 11%、2. 64%,3种测试方法下的平均相对误差均小于1%,拟合程度在0. 9以上,表明基于粒子群算法优化的BP神经网络模型对变频压缩机功率有较好的测量能力,而且有较强的泛化能力。 相似文献