GA-BP网络在木材干燥过程建模中的应用

木材干燥是一个复杂的非线性系统,由于木材结构复杂且具有多样性和变异性,很难建立一个理想的符合木材干燥过程的数学模型。利用遗传算法的全局寻优能力优化BP神经网络连接权值系数,分别用BP和GA-BP两种算法建立了木材干燥基准模型。对比结果表明:GA-BP算法建立木材干燥基准模型提高了期望误差精度和收敛速度,避免了BP算法陷入局部极小值,预测平均误差为1.0413%,具有较好的预测精度。     

基于多模型数据融合算法的木材干燥过程建模

提出了一种适合木材干燥过程建模的多模型数据融合算法,通过该方法构建了数据融合模型。分别用BP神经网络和动态递归网络建立了木材干燥基准模型,利用自适应加权算法对两模型输出进行融合,通过实验干燥数据仿真表明:融合后的木材含水率预测值的方差为0.125 3,高于任何一个单独模型的预测精度。     

基于小波神经网络的木材干燥窑内传感器建模研究

针对木材干燥系统具有非线性、强耦合的特性,难以建立准确的数学模型,提出一种基于小波神经网络的建模方法。通过木材干燥窑内木材含水率传感器、温度传感器和湿度传感器采集的数据建立小波神经网络模型,并通过模型预测木材含水率传感器的测量值。小波神经网络将BP神经网络在非线性问题上自学习的能力与小波表征信号局部信息的能力相结合,具有很强的自适应分辨性和容错能力。利用实际木材干燥过程中采集的数据作为训练样本进行仿真实验。结果表明：小波神经网络方法建立的模型能够预测木材含水率传感器的测量值,模型泛化能力强,预测精度高于BP神经网络建立的模型,验证了小波神经网络对木材干燥窑内传感器建模的可行性和有效性。     

基于PSO—BP神经网络的混凝土抗压强度预测

为了有效提高混凝土抗压强度的预测精准度,利用粒子群算法优化BP神经网络初始权值和阈值,建立了混凝土抗压强多因子PSO-BP预测模型。模型以每立方混凝土中水泥、高炉矿渣粉、粉煤灰、水、减水剂、粗集料和细集料的含量以及置放天数为输入参数,混凝土抗压强度值作为输出参数,不仅可以克服BP算法收敛速度慢和易陷入局部极值的缺陷,而且模型的学习能力、泛化能力和预测精度都有了很大的提高。以UCI数据库中的Concrete CompressiveStrength数据集为例进行仿真测试,结果表明：PSO-BP模型预测精度较BP、GA—BP模型分别提高了8．26％和2．05％,验证了PSO—BP模型在混凝土抗压强度预测中的有效性。     

基于SAGA优化BP神经网络的木材含水率预测

针对木材干燥过程中含水率的检测问题,提出了一种基于SAGA优化BP神经网络的木材含水率预测方法,即采用遗传算法与模拟退火算法相结合的学习策略,利用SAGA的全局寻优能力优化BP网络的权值和阈值.仿真试验表明,优化后的BP网络表现出良好的预测性能,缩短了训练时间,避免了BP算法陷入局部小,具有很高的预测精度.     

基于卡尔曼滤波的木材含水率在线估计

为解决木材干燥过程木材含水率检测精度低的问题,提高木材干燥的自动控制水平,针对以含水率为基准的干燥过程,提出了应用卡尔曼滤波进行木材含水率在线估计方法。为验证该方法的有效性：首先建立了基于含水率基准加入高斯噪声数据集的卡尔曼估计模型,并在此模型基础上对实验测得的数值进行了在线估计和比较,结果表明卡尔曼滤波方法具有较好的估计精度。     

基于BS-PLS回归模型的木材含水率在线预测研究

由于木材干燥周期较长、干燥窑内工作状态极其复杂,这使得木材含水率的检测精度受环境影响较大,尤其是在以木材含水率为基准的干燥过程中,木材含水率的在线检测精度至关重要.针对这一问题,提出了基于样条映射的偏最小二乘法的木材干燥过程非线性建模方法.该方法将采集温度、湿度等多种传感器检测值作为模型的输入,木材含水率作为模型的输出,仿真试验验证了模型具有较好的泛化能力和较高的预测精度.     

前馈神经网络在汽车悬架设计中的应用*

提出采用GABP贝叶斯算法来建立悬架运动学分析近似模型。该算法是一种新型前馈神经网络训练算法,它以提高网络的泛化性能为主旨,其训练目标在于获取对应于后验分布最大值的权值向量。以双横臂式前独立悬架为例,采用GABP贝叶斯算法建立了以车轮接地点侧向最大滑移量为输出的运动学分析近似模型,并与LMBP算法、多项式回归和广义回归神经网络这三种方法进行了比较。结果表明,基于GABP贝叶斯算法的近似模型的预测精度明显高于其他几种模型,并且受随机因素的影响很小。     

基于GA-BP算法激光设备故障预测技术研究

针对激光设备非计划停机次数较多的问题,提出了一种基于遗传算法（Genetic Algorithm,GA）优化BP神经网络,建立激光设备故障预测模型的方法。利用激光设备的历史数据训练和调整预测算法,对激光设备采集的实时数据进行分析,按照算法模型预测故障发生概率,提前维护激光设备,减少非计划停机次数,提高激光设备的有效运行时间。通过测量各种情况下激光设备在切割零件时的数据变化,利用GA优化BP神经网络算法,建立激光设备故障预测模型。选取各种情形的切割零件的数据进行仿真预测和验证,以切割过程中各种情况的气体压力、激光功率、切割速度、加速度、各轴的温度和计算之后各轴的跟随误差作为模型输入,以粗糙度作为模型输出。结果表明,经过GA优化的模型在预测效果和预测精度上优于未经GA优化的模型,且模型经GA优化后,其粗糙度的预测精度和收敛速度得到了提升。     

基于主成分的遗传神经网络股票指数预测研究

数据预测在金融投资领域占有重要地位,预测中输入变量的选取影响着预测的速度和精度,传统方法选取输入变量主观性较强,预测效果欠佳。将遗传算法与BP网络结合,利用GA的全局搜索优化BP网络的结构参数,有效克服BP算法的局部收敛等问题。使用主成分分析法选取输入变量,并将GA—BP混合建模应用于沪市综合指数预测中。实验结果表明,该方法改善了预测精度,达到了较好的预测效果。     

基于遗传算法的BP 神经网络在城市用水量预测中的应

城市用水量的准确预测对供水系统的调度、改进具有重要意义。为解决传统BP神经网络预测模型易陷入局部极小、调整权值和参数需要不断尝试等问题,选用基于生物进化理论的遗传算法(Genetic Algorithms,GA)对其优化,提出了以GA优化BP网络的算法(GA-BP)。同时,针对以往BP神经网络预测模型因输入变量选取不当导致的误差精度过低的缺点,通过分析城市时用水量变化规律,得到合适的输入变量。最后,建立预测模型并使用历史数据进行训练和仿真。将预测模型应用于深圳市某供水公司,结果表明,该网络模型在城市时用水量预测中具有可靠性和适用性。     

基于小波包的木材含水率在线检测*

木材含水率是调控干燥过程的关键参数,其测量的准确性直接影响到木材干燥质量的好坏、干燥成本的高低、机器干燥周期的长短。木材干燥过程中,木材含水率的在线检测受多种因素影响（检测电路的噪声干扰,多种环境因子间的交叉灵敏度等）。针对以上问题,提出了一种小波包消噪的处理方法,分别利用小波和小波包两种方法对木材含水率测定值进行特征提取。仿真结果表明,小波包分析具有较好的滤波效果。     

基于GA-BP的移动通信设备故障诊断

针对通信设备故障发生随机性强,影响因素多,对应的故障诊断有高度非线性和不确定性的特点,采用BP神经网络算法,优化的GA-BP神经网络算法和POS-BP神经网络算法分别搭建基站设备故障诊断模型,提取设备故障历史数据进行MATLAB仿真,准确预测设备故障类型,帮助提高代维公司调度管理的智能化水平,提高基站设备运维的执行效率。仿真结果表明：本文的BP,GA-BP和POS-BP神经网络算法都能够实现设备故障类别的预测,且GA-BP神经网络算法相比BP和POS-BP神经网络算法对通信设备故障诊断有更好的适应性。     

基于GA-BP算法的多分辨率遥感影像融合技术

由于Landsat-5唯一的热红外波段遥感影像TM6的空间分辨率不高,使得其应用与研究程度远不及其它波段广泛。为此,运用GA-BP算法来提高TM6遥感影像的空间分辨率,并进行仿真实验,结果表明:①GA-BP算法有效地避免了BP算法陷入局部最小点、收敛速度慢的问题,是一种快速、可靠的方法。它的快速算法对数据量巨大的遥感图像更具实用价值。②从提高TM6遥感影像空间分辨率的仿真结果来看,无论计算效率还是遥感影像的融合效果,GA-BP算法都优于BP算法。③GA-BP算法既保留了TM6遥感影像的基本灰度分布信息,同时也提高了其空间分辨率,可以有效地运用到提高遥感影像空间分辨率的过程中。     

基于自适应遗传神经网络的银行客户分类研究

银行产品的营销行为都是针对广大客户的。若能提前分辨出哪些是优质客户,再为其定制合理的营销策略,那银行就能获得更大的竞争力。文中将遗传算法与BP神经网络结合用于对银行客户分类进而预测客户是否会购买银行产品。该方法有效地克服了BP神经网络容易陷入局部极小值和收敛速度慢的问题,并且针对其中遗传算法的计算时间和精度问题提出了一种新的自适应遗传算法。实验结果表明,基于这种自适应的遗传神经网络的方法用更短的计算时间达到了更高的预测精度,可以准确地为银行客户分类。     

基于遗传神经网络的车辆导航路径规划

研究使用混合 GA-BP 神经网络算法来解决交通路径规划中的非线性问题。反向传播(Back-Propagation, BP)神经网络虽然能够很好地解决非线性问题,但它存在着容易陷入局部极小的不足,而遗传算法(Genetic Algorithm, GA)具有很强的宏观搜索能力和良好的全局优化性能,可以弥补BP的不足。用A*算法快速粗算出的几条可选路径作为 GA 的初始种群,然后用混合的 GA-BP 神经网络算法进行路径规划精算。仿真结果显示混合GA-BP神经网络算法在寻找路径规划的全局最优解上具有一定的优势。     

经GA优化的WNN在交通流预测中的应用

针对城市交通流的复杂性、随机性、非线性等特点,利用遗传算法(GA)优化小波神经网络(WNN),以克服传统神经网络收敛速度慢、易陷入局部最小点等缺陷,在此基础上建立基于GA-WNN的城市交通流预测模型。利用GA-WNN、GA-BP和WNN模型对南昌市南京西路交通流进行仿真预测,实验结果表明,GA-WNN模型的预测效果较好,相比GA-BP和WNN模型具有更高的预测精度和更快的收敛速度。