BP神经网络的改进算法及其研究

通过分析标准BP算法的原理,可以发现BP标准算法存在着易形成局部极小而非全局最优;训练次数多使得学习效率低,收敛速度慢;隐节点的选取缺乏理论指导;通过在标准BP算法中引入加动量项法来优化BP算法。实验结果表明,该有效地提高了BP算法的迭代次数,减少误差。     

基于BP神经网络的供水管网压力预测

预测供水管网的压力,对实现优化运行和降低能耗具有重要的意义。供水管网是十分复杂而且非线性的大型系统,目前一般使用微观或者宏观模型对其某点压力进行预测,采用微观建模方法建立的供水管网压力预测模型往往出现数值求解效率低而且不够准确的问题。根据供水网络的特点并利用采集的供水压力数据,建立城市供水网络某点压力的BP神经网络预测模型,预测的结果表明该模型对城市供水网络压力具有良好的预测性。     

基于BP模糊神经网络的电气系统故障诊断方法的研究

本文阐述了BP神经网络模型在水电站电气元件故障诊断中的意义。以专家经验为依据,结合查阅文献的手段,建立了电站电气元件的故障知识库。与此同时,构建了基于模糊综合评判的神经网络数学模型。最后,以一个水电站电气元件故障诊断实例论述,验证该方法的可行性。     

基于物联网和BP神经网络的起重机故障诊断

为解决起重机安全监测措施不完善,出现故障后难在短时间内准确判别故障类型导致的起重机安全事故等问题。在分析总结起重机监测系统使用现状的基础上,研究利用物联网和BP神经网络等技术对起重机的运行状态进行远程监测的方法。采用虚拟仪器为软件开发平台,同时将远程通信WEB服务应用到起重机监测中,实现远程网络智能监测。利用BP神经网络对起重机的几种常见故障进行诊断,实现了故障类型的分类识别。通过对起重机典型故障样本的验证,结果表明该方法的可行性和有效性,大大降低了故障诊断人员工作的难度,为减少起重机的事故发生率提供了一种新思路。     

基于BP神经网络的管网维修管径预测分析

以MH水司2004-2012年供水管网维修数据作为研究对象,以BP神经网络模型为研究方法,构建了MH水司供水管网维修的预测模型,对供水管网中待维修管道和管件的管径分布作了短期趋势预测。预测结果表明,该模型的预测精度较高,平均偏差最大为0．0054,均方差最大为0．0077;并给出了DN≤50、50〈DN≤100、100〈DN≤150、150〈DN≤200、200〈DN≤300、300〈DN≤500、500〈DN≤800和800〈DN≤1600的管道维修数量在历年和年内管道维修记录统计分析结果中的变化规律。     

基于BP神经网络的雨水管网充满度预测

以镇江市某小区雨水管为研究对象,基于水动力学机理模型,指导设定BP神经网络的输入与输出,并在Google的TensorFlow平台下进行程序设计以及神经网络的训练和验证,完成对管网下一时刻充满度的预测。结果表明,在一定边界条件下,BP神经网络能够较好地完成学习与训练,且预测误差较小,满足实际应用所需的精度要求。     

基于BP神经网络的供水管网分时段宏观模型研究

准确快速地模拟供水管网的运行状态是城市供水系统优化调度的前提和关键。针对城市供水管网建模难的状况，结合南京市供水管网的特点，利用BP神经网络建立了城市供水管网分时段宏观等效模型。经实际运行数据验证，该模型计算得到的压力预测值与实际值非常接近，预测误差能满足优化调度的工程精度要求。可见该模型基本上能反映南京市供水管网的供水量与水压的关系，可用以模拟城市供水管网的运行状态，为管网优化调度提供了有力支持。     

基于LM算法改进BP神经网络的基坑管线变形预测

通过提出一种基于Levenberg-Marquardt算法改进BP神经网络的方法探究基坑开挖对邻近管线变形性状的影响。以管线水平位移量和竖向位移量为预测结果,建立包括管径、堆载、材质、管线埋深、开挖方案、开挖顺序、开挖深度、纵向距离8个影响因素的多元参数预测模型。通过将管线变形预测值与实测值比较,证明采用Levenberg-Marquardt改进BP神经网络的算法预测结果更准确,具有更好的泛化性能。该模型将为预测基坑开挖引起的管线变形性状提供技术参考,为基坑工程信息化施工提供决策依据,从而达到减少基坑开挖安全事故、保护管线的目的,在实际工程中具有一定的推广应用价值。     

基于优化的BP神经网络柴油机燃料系故障诊断仿真研究

神经网络具有并行处理能力、自学习能力,自适应能力和可以逼近任意的非线性函数等特点,是解决非线性、多变量、不确定的复杂诊断问题的一条有效的途径,神经网络的这些特点使得它在故障谚断领域应用越来越广泛。本文利用LM改进学习算法训练所建立的BP神经网络,然后利用训练好的神经网络进行柴油机故障诊断,得出诊断结果,使故障诊断具有人工智能化。     

基于改进BP神经网络之井筒结构优化研究

在立井施工过程中,选择合适的井筒断面及尺寸对立井快速高质量的施工有重要影响。现通过数值模拟软件FLAC3D计算出井筒不同断面及尺寸的塑性区总体积、最大应力、最大位移值三个力学参数,运用改进BP神经网络建立起井筒断面及尺寸与FLAC3D计算出的力学参数之间复杂的非线性关系。最后将实际施工中能满足设计需要的力学参数输入训练好的BP神经网络,即可得到反演出的井筒断面及尺寸,为井筒结构设计作参考。     

一种基于BP神经网络的快速谐波分析算法研究

谐波的检测分析对于电力系统谐波治理非常重要,但常用的FFT检测方法存在频谱泄漏及栅栏现象等缺陷,加窗插值算法的使用一定程度上弥补了这些不足却又增大了计算量和存储容量要求;人工神经网络具有快速处理数字信号能力,本文以谐波离散傅里叶变换后的三角函数和傅里叶系数分别作为BP网络的隐层神经元和权值可获得了一种训练速度更快的神经网络;通过该神经网络算法和效果相对较好的几种FFT插值算法的仿真实例比较,验证了该算法能够更快更精确地对电力系统谐波进行分析,对谐波治理具有较大意义。     

基于改进BP 神经网络的建筑施工安全评价

通过分析我国建筑施工安全生产的现状,在评价方法选择以及评价指标体系的建立方面,都在传统评价方法的基础上进行了改进,在BP 神经网络的模型中引入了动量因子mc,从而克服了BP 神经网络运算次数多,易陷入局部最优等缺点。利用改进的BP 神经网络模型对建筑施工安全进行评价,找出施工中影响安全的主要因素,为建筑施工的危险辨识和制定相应控制措施提供依据,以指导人们有效地控制施工中的不安全因素,避免和减少施工中事故的发生。     

基于GA改进BP神经网络的建设工程投标报价研究

在建设工程项目投标报价过程中,如何来确定标高金直接关系到承包商能否中标和盈利以及施工企业今后的生存与发展。提出基于遗传算法(GA)优化BP神经网络的标高金预测方法。在分析BP神经网络基本原理的基础上,主要阐述了如何应用遗传算法来改进BP神经网络收敛速度慢和易于陷入极小值等缺点。对BP神经网络模型隐含层节点数进行优选后,建立起GA改进BP神经网络的标高金预测模型;最后应用该模型和一般BP神经网络模型对20个典型国际工程实例的标高金进行计算和预测。计算结果对比发现,经遗传算法改进后的BP神经网络模型在降低计算和预测平均误差的同时,迭代次数比一般BP神经网络模型也大大减少了。因此,该模型适用于求解如建设工程投标报价等非线性问题。     

基于改进BP神经网络的工程建设项目评标方法研究

针对评标工作中专家的主观性、随意性和倾向性所带来的偏差,运用改进BP算法,构建了建设工程项目评标的神经网络模型。该模型能够较好地适应各影响因素之间的非线性关系,并通过附加动量法的自学习、自适应能力,提高了收敛速率,从而避免了局部极小值,提高了精度。通过仿真试验,验证了该模型的科学性和有效性。     

基于BP神经网络改进算法在地铁隧道施工中的沉降预测

为使地铁隧道在施工中沉降监测数据具有一定的预见性,分别采用了BP神经网络改进算法的预测模型、传统BP神经网络预模型以及基于时间序列的三次指数平滑法预测模型对地铁隧道施工中的沉降监测数据进行了预测。对其预测结果进行分析,得出了BP神经网络改进算法模型预测精度优于传统BP神经网络模型以及基于时间序列的三次指数平滑法模型预测精度的结论。     

基于改进BP神经网络的电气火灾预警系统

针对低压配电电气火灾预警问题,提出了基于PLC的电气火灾预警系统。该系统采用基于改进BP神经网络的算法进行控制。对系统的总体设计方案、控制算法的仿真以及上位机软件系统设计进行了详细的阐述。     

BP神经网络在MOA故障诊断中的应用

介绍了BP神经网络在MOA故障诊断中的应用情况。运用Matlab神经网络工具箱对避雷器故障进行训练,比较可知,采用改进的自适应修改学习率算法,具有较好的网络收敛性能和稳定性,并且能够有效解决局部最小问题,但是隐含层神经元数目只能通过试凑法得到。实例分析表明,运用神经网络方法能较为准确诊断避雷器故障,能够有效地克服单纯隶属函数对正常运行工况的误诊断。     

基于BP神经网络算法的树状结构智能找形研究

为实现非均布荷载工况或支撑不规则曲面屋盖情况下的树状结构找形设计,提出了一种基于BP神经网络算法的智能找形方法.该方法将树状结构各支撑点的荷载、跨度及分叉角度作为设计条件,以节点零弯矩和结构稳定性为设计目标,利用人工智能BP神经网络对下层分级节点进行智能定位,由上而下逐级递推实现树状结构的整体几何形态找形.以二维树状结...     

改进BP神经网络算法在基坑沉降预测中的应用

提出一种采用BP神经网络算法来预测深基坑沉降的方法，结合具体工程实例，构建了预测深基坑周边地表沉降具体BP神经网络模型，预测结果表明，该模型有较高的预测精度，可作为预测沉降的一种新方法。