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...     

基于多元回归和神经网络途径的太湖富营养化指标分析与预测

水体富营养化是目前太湖面临的一个重大环境问题,有效地预测湖泊的水质变化对防治富营养化至关重要. 现有的预测方案很多依赖于一些常见的与目标变量相关的因素,针对太湖这一具体对象,难以全面准确地分析相关因素之间的联系以及预见目标变量的变化趋势. 本文首先寻找出太湖富营养化的所有可能的影响因素,提供较为全面的备选变量以期更好地查找出目标变量的相关因素. 选择总氮这一富营养化重要评价指标作为分析和预测的对象,根据各影响因子与总氮之间的相关系数筛选出影响程度较高的因素. 分别运用多元线性回归分析方法和BP神经网路预测方法对总氮的变化进行预测研究,并将两种方法的预测性能进行比较. 结果表明,从较为全面的变量中选出的影响因子可较好地预测总氮的变化情况,多元线性回归和BP神经网络方法的实验结果都较好,从拟合优度和均方误差的角度看,BP神经网络的预测效果更好.     

BP神经网络优化模型在水体富营养化预测的国内进展

在湖泊富营养化已成为世界性的水污染治理难题的今天,富营养化预测模型应用广泛,已取得较大发展。文章介绍了运用BP人工神经网络预测水体富营养化的计算过程,综合论述了学者们在预测水体富营养化时水体中BP人工神经网络模型联合各种算法的优化情况,由此可以看出,足够多的样本是BP神经网络进行学习训练的关键;各种联合模型比普通BP人工神经网络模型更加准确、有效;多种联合模型并未运用于水体营养化评价方面;联合模型优化的BP人工神经网络必将具有巨大的价值和发展前景。     

改进的BP神经网络模型预测充填体强度

为了准确评价和预测充填体强度,采用改进的BP神经网络算法,利用实验室做的18组充填体单轴抗压强度试验结果,建立了充填体强度与影响因素之间的5-7-1网络模型结构(输入层为5个神经元,隐含层为7个神经元,输出层为1个神经元,输入为胶砂比及各胶凝材料掺量,输出为充填体28 d单轴抗压强度).结果表明,改进的BP神经网络对于充填体的强度具有良好的预测能力,建立的网络模型不仅收敛速度快而且训练精度高,对充填体强度的预测结果与训练数据和测试数据的最大相对误差仅为4.23％.     

基于改进BP神经网络的变电站检修运维成本预测

变电站的检修运维成本受众多复杂因素影响,且检修费用数据记录具有模糊性和波动性.为解决检修费用记录不明的问题,首先对变电站检修条目划分并采用水平和垂直方向的数据分析方法进行处理,再利用BP神经网络预测检修运维成本.为提高BP神经网络预测精度,采用K-fold交叉验证对原始数据训练模型进行精准调整,应用遗传算法对BP神经网路的初始值和阀值进行调整和改进,从而建立基于遗传算法的改进BP神经网络检修运维成本预测方法.以某地市变电站为例进行变电检修运维成本预测,对比分析显示所提方法能有效提高模型预测精准度,从而为电网给变电站拨付检修费用提供参考价值.     

动量-自适应学习BP算法在加工领域的探索

为解决实际加工中试验次数多生产成本高、选取加工参数困难等问题,采用动量-自适应学习BP算法构建BP神经网络预测模型。根据实际情况将典型BP算法改进,得到收敛速度快的动量-自适应学习BP算法模型;用电解加工试验数据对模型结构进行训练,最终建立动量-自适应学习BP神经网络加工预测模型。采用该模型对不同加工参数组合下加工的不锈钢微孔孔径大小进行预测。结果表明,该模型的预测误差低于5%,具有很强的预测能力。     

基于IGWO-BP神经网络的车内声品质预测

为准确预测纯电动汽车车内声品质，以心理声学客观参量为自变量，以纯电动汽车车内声品质主观评价值为因变量，搭建基于改进后的灰狼算法(Improved Grey Wolf Optimization, IGWO)优化的BP神经网络预测模型IGWO-BP,采用IGWO对BP神经网络的权值和阈值进行优化，解决BP神经网络对初值敏感、易陷入局部最优的问题。将其预测结果与BP神经网络预测结果进行对比分析，结果显示基于IGWO-BP神经网络预测模型可大幅度提高车内声品质预测精度，表明该模型较适用于纯电动汽车车内声品质预测。     

改进的粗糙集-集对分析的水质评价方法

针对水质评价的特点,将其看作为一个确定不确定性系统,通过将各个评价指标与评价标准构成集对,从而在水质评价中引入集对分析理论。采用改进的粗糙集条件信息熵方法确定权重,将两种方法结合得到改进的粗糙集-集对分析耦合方法,并应用于我国12个代表性湖库的水体富营养化评价中。将改进的粗糙集-集对分析耦合方法所得结果分别与单一指标法、模糊可变集法、正态云模型方法、T-S模糊神经网络方法所得结果进行对比分析,验证了该方法的有效性,为水体富营养化评价提供了一种新思路。     

基于萤火虫算法优化BP神经网络的目标威胁估计

在萤火虫优化算法和BP神经网络的基础上,建立了萤火虫算法优化BP神经网络的目标威胁估计模型,并提出了基于该模型的算法。该模型和算法采用萤火虫算法优化BP神经网络的初始权值和阈值,优化后的BP神经网络能对测试集进行更好的预测。实验结果表明,萤火虫算法优化BP神经网络的预测误差明显小于BP和PSO_SVM。该模型和算法具有很好的预测能力,可以快速、准确地完成目标威胁估计。     

南水北调工程对丹江口水库富营养化的影响

采用平面二维水库水质数值模型与综合因子评价相结合的方法,对丹江口水库现状和南水北调工程实施后的水库富营养化水平进行了预测与评价.结果表明,南水北调工程实施后,总体上水库水质为中-中-富营养水平,营养状况较工程实施前好.但局部库湾水流流速减缓,水体趋向富营养化.     

索力振动法测量神经网络赋泛研究

索的受力状态关系着索体系桥梁的安全,而索力值是衡量索的力学状态的重要指标。目前,索的边界条件难以判别是影响索力识别结果准确性的重要因素。为此,利用ANSYS对拉索振动进行数值模拟,并借助已有索力计算公式对建模方式的可靠性进行验证并生成模拟数据,然后以索长、线密度、抗弯刚度、一阶频率、二阶频率、三阶频率为输入参数,以索力值为输出参数结合振动模拟数据分别建立BP神经网络和广义回归神经网络索力预测模型,并将两种神经网络索力预测模型和已有索力计算公式应用于实际工程中进行对比验证。结果表明：BP神经网络索力预测模型的神经网络结构为6-13-13-1,输入层与隐含层1、隐含层1与隐含层2、隐含层2与输出层之间的激励函数分别为tansig、tansig、purelin,训练算法为L-M优化算法trainlm,学习速率为0.1,网络迭代次数为1000,显示间隔为100,均方误差为0.001,索力预测模型的预测效果良好,但还有进一步优化的空间;广义回归神经网络索力预测模型的最佳spread值为0.00215,索力预测模型的预测效果优于BP神经网络和已有索力计算公式,且预测误差基本控制在5%以内。利用广义回归神经网络对桥梁索力进行预测,避免了索的边界条件判别错误对索力识别结果准确性的影响,提高了索力的识别精度,具有良好的工程应用价值。     

基于ABC-BP模型的基坑地表沉降预测

目前基坑工程普遍仅关心地表沉降值是否超出监测预警值,缺乏对基坑地表沉降短期实时预测的有效方法,降低了基坑安全性。利用人工蜂群算法优化BP神经网络的组合模型可合理预测基坑地表沉降。首先,结合灰色相关度理论,对输入变量进行筛选,提高网络结构的高效性;接着,利用人工蜂群算法优化BP神经网络初始值,实现对地表沉降累计最大值及位置的预测;最后,将ABC-BP模型与其他常见神经网络预测模型对比,验证模型有效性。从预测和对比结果中可知,ABC-BP模型训练及预测结果的平均相对误差为3.27%,均方根误差为3.87,验证模型有效。     

基于ARMA-BP神经网络模型的风电功率预测研究

结合ARMA时间序列预测模型和BP神经网络预测模型的优点,构建ARMA-BP神经网络混合模型,对风电功率预测问题进行研究。采用构造性神经网络模型得出的类别值对统计时间序列模型的预测值进行修正,提高了风电预测的精度和效率。     

基于遗传算法的BP神经网络在声音智能监控中应用

针对标准的BP神经网络对于声音信号在线监控模型的预测误差比较大,提出了一种用遗传算法优化BP神经网络的算法,建立了声音监控的预测模型。遗传算法优化BP神经网络主要是用遗传算法来优化BP神经网络的初始权值和阀值,然后通过训练BP神经网络以得到预测模型的最优解,优化后的神经网络具有预测误差比较小、反应速度快等特点。实验结果证明,利用遗传算法优化BP神经网络在声音的智能监控中取得了比较好的效果,达到了系统设计的目的。     

刀具耐用度变动系数的BP神经网络预报技术

采用改进的ＢＰ算法，建立了刀具耐用度变动系数的神经网络预报模型．研究表明，该模型适合于描述刀具耐用度变动系数同切削条件参数之间复杂的非线性函数关系，并可以对不同切削条件下的刀具耐用度变动系数进行正确预报     

一类新的基于神经网络预测的变周期网络控制系统采样方案

提出了一类新的能够减轻时延对网络控制系统影响的基于神经网络预测的变周期网络控制系统采样方法,简要论述了在网络控制系统中融入了BP神经网络后,如何对它进行建模、分析、控制,被选作采样周期的时延可以利用BP神经网络工具进行在线预测,文中还给出了一种新的可以应用于生产实践的网络控制系统推广模型．     

应用 BP 神经网络预测精锻斜齿轮损伤因子

通过利用DEFORM-3D软件对斜齿轮精密锻造过程进行有限元模拟,获得了损伤因子的分布特点。运用Matlab软件建立BP神经网络损伤因子预测模型,分析了不同锻造条件对损伤因子的影响,并对不同锻造条件下的损伤因子进行预测。利用检测样本对训练的神经网络进行验证,结果表明,BP神经网络预测损伤因子与模拟结果吻合较好,预测结果误差较小,预测精度满足实际应用要求。     

Combined Transmission Interference Spectrum of No Core Fiber and BP Neural Network for Concentration Sensing Research

To investigate wavelength response of the no core fiber(NCF)interference spectrum to concentration, a three-layer back propagation(BP) neural network model was established to optimize the concentration sensing data. In this method,the measured wavelength and the corresponding concentration were trained by a BP neural network, so that the accuracy of the measurement system was optimized. The wavelength was used as the training set and got into the input layer of the three layer BP network model which is used as the input value of the network, and the corresponding actual concentration value was used as the output value of the network, and the optimal network structure was trained. This paper discovers a preferable correlation between the predicted value and the actual value, where the former is approximately equal to the latter. The correlation coefficients of the measured and predicted values for a sucrose concentration were 1.000 89 and 1.003 94; similarly, correlations of 0.999 51 and 1.018 8 for a glucose concentration were observed. The results demonstrate that the BP neural network can improve the prediction accuracy of the nonlinear relationship between the interference spectral data and the concentration in NCF sensing systems.     

基于GIS的河流水体污染非线性预测系统研究

针对河流水体污染物的空间分布特点,提出综合运用GIS、BP神经网络和遗传算法,实现河流水污染的空间数据管理和污染预测的方法。该方法通过改进激励函数、为权值的修正加入动量项等方法改良BP算法;并引入遗传算法实现BP神经网络隐层节点数、最佳学习率和动量因子等参数的自动搜索,有效地解决了传统模型参数难以确定等问题。并进一步将该模型与GIS强大的空间功能结合,实现了水体污染的海量空间数据管理及评价预测结果的空间图形直观可视化表达,十分便于及时掌握河流水体污染动态、空间分布及演化趋势。并最终以GIS为二次开发平台,实现了基于遗传神经网络的河流水体污染非线性预测管理系统,并在长江重庆城区段河流污染预测应用中显示出良好的效果,预测精度达78%以上。     

基于神经网络的公路工程造价预测模型

文章对高速公路的工程特征进行全面的分析和筛选,确定了7个对公路工程造价影响较大的工程特征,使其作为神经网络预测模型的输入向量,随之构建了基于BP神经网络的高速公路工程造价预测模型,最后结合MATLAB神经网络工具箱对程序进行设计,并选取已完工程为实例。通过对模型的训练、修正以及实例验证,证明BP神经网络可以有效提高预测的精确度,具有较强的实用价值。