基于神经网络的交通发生量预测研究

交通发生吸引量预测是交通规划四阶段的首要步骤,其预测结果是城市规划布局及交通设施建设发展的重要依据.为了提高交通发生量预测准确性,利用K-means聚类分析对交通小区进行分组;对同组内样本小区各项土地利用及人口就业指标进行主成分分析,通过计算主成分载荷率为选择预测影响因素提供依据;针对各组样本分别建立BP神经网络模型,以土地利用和人口数据作为输入变量,小区交通发生量作为输出变量,以大连市城市交通调查数据为例对上述方法进行检验,并与传统回归模型预测结果进行比较.结果表明,在数据预处理基础上建立的BP神经网络模型具有较高预测精度.     

基于BP神经网络的信用担保产品风险 评价体系构建与实证检验

通过构建信用担保产品风险评价指标体系,应用神经网络技术对信用担保产品的风险进行综合评价;并通过在单指标评价标准范围内随机取值方法,生成建立神经网络模型所需的训练样本、检验样本和测试样本,建立可靠的信用担保产品风险BP网络综合评价模型.通过16个实例研究表明:提出的样本生成方法是可靠的,并能有效地避免出现“过训练”和“过拟合”现象,建立的BP模型具有较好的泛化能力,不受人为因素的影响.     

基于BP神经网络的车身U形类冲压件成形回弹预测

基于MATLAB平台,将BP神经网络和数值模拟技术应用于冲压回弹预测中。采用三层BP神经网络建立基于变压边力的回弹预测数学模型,由正交实验法安排模拟实验组合,采用有限元软件进行冲压过程的数值模拟,并把端点处的Z向回弹量作为模型目标值。将模拟结果作为神经网络的输入样本对训练网络并建立网络知识源,得到了输入为工艺参数、输出为冲压回弹量的神经网络模型,并通过检验样本检验了ANN模型的准确性。实验表明：将神经网络与正交实验、数值模拟三者结合用于板料冲压参数优化可以明显缩短优化工艺参数的时间,提高工艺设计效率,同时在数值模拟实验次数一定的条件下,能获得比单纯使用正交实验和数值模拟方法更为精确的结果。     

基于GRNN的砂土液化危害等级评价模型研究

影响砂土地震液化的因素复杂且具有随机性和不确定性.神经网络方法不仅能考虑定量因素,而且能考虑定性因素的影响,因而神经网络方法适用于解决非确定性的砂土地震液化评价问题.在分析广义回归神经网络的基本原理和算法基础上,建立了砂土液化危害等级评价的广义回归神经网络模型.然后用收集到的工程实例样本对该模型进行训练和检验,并与BP神经网络判别结果进行对比.结果表明,广义回归神经网络性能良好、预测精度高,是砂土地震液化危害等级评价的一种有效方法.     

致密储层动态渗透率预测模型

为准确描述致密油藏开发过程中渗透率的动态变化规律.本文首先分析总结致密储层渗透率的3个主要影响——有效应力、温度和含水饱和度,并建立了以有效应力、温度和含水饱和度为输入层,渗透率为输出层,人工蜂群算法优化的BP神经网络渗透率预测模型.利用不同条件下的渗透率数据建立仿真数据样本进行训练,训练结果的最大绝对误差为0.063 47×10-3μm2,最大相对误差为4.382%,平均相对误差1.069%.说明人工蜂群算法优化BP神经网络模型很好的描述致密储层渗透率和各个影响因素之间的内在规律.常规BP神经网络渗透率模型训练结果平均相对误差达10.699%.说明较之常规BP神经网络,改进的BP神经网络预测精度及稳定性均有较大提升.综上,人工蜂群算法优化的BP神经网络模型能较好应用于低渗致密储层渗透率预测.     

基于气体检测的空气开关柜绝缘缺陷识别

为了识别开关柜内的绝缘缺陷,设计了绝缘缺陷实验模型以获取训练样本,建立了具有自学习能力的BP(back propagation)神经网络并引入遗传算法进行网络优化,神经网络输入层为开关柜内气体特征,输出层为开关柜内绝缘缺陷,建立了开关柜内气体特征与绝缘缺陷的映射关系.经过样本训练,优化后的神经网络能够准确地识别绝缘缺陷...     

基于PCA与GA-LM-BP神经网络的变压器故障诊断

研究基于油中溶解气体的变压器故障诊断问题.采用主成分分析与数据归一化方法,对变压器故障样本数据进行规范化处理,使其更具有代表性.对比主成分规范化前后的样本故障诊断结果,主成分分析能够消除特征气体样本数据间的相关性,使输入层样本数据更加符合神经网络工作机理.实验可得主成分规范化后的样本故障诊断结果优于未经过主成分分析规范化的故障诊断结果.在主成分分析对数据规范化的基础上,进一步改进BP神经网络算法,建立基于Levenberg-Marquardt算法的LM-BP神经网络故障诊断模型,改善了BP神经网络模型诊断精度不高,网络收敛困难以及易陷入局部极小值等问题.利用遗传算法对LM-BP神经网络的权值和阈值进行优化,然后再进行第2次神经网络训练,克服了LM-BP神经网络性能受初始权值和阈值限制的问题,使故障诊断正确率提高了6.16%.通过对441组样本数据中随机选取的376组训练样本和65组检验样本进行故障诊断实验,诊断正确率达到83%,表明所构建的基于PCA与GA-LM-BP神经网络的故障诊断方法是一种有效的变压器故障诊断方法.     

盘形锻件等效应力分析及神经网络预测

锻件等效应力对锻件质量有较大的影响,而实现其在锻造生产中的在线测量并进行综合评价较为困难.利用弹塑性有限元法对钛合金盘形锻件进行有限元仿真分析并进行了实验验证,分析了加载完成后等效应力的分布情况;利用灰关联分析方法对结果进行分析,结果表明坯料初始温度对锻件等效应力影响程度最大,室温影响最小.基于等效应力分布情况,利用主成分分析法建立应力综合评价模型,以坯料温度、模具温度、下压速度、室温、摩擦因数为输入层,应力综合评价值为输出层,建立了预测综合等效应力的反向传播(back propagation,BP)人工神经网络模型.结果表明BP神经网络的预测结果与实验所得结果较为一致,证明了建立的人工神经网络模型对综合等效应力预测的有效性.该神经网络模型既可在锻造生产中根据工艺参数实现锻件的应力综合评价值在线预测,又可间接对锻造工艺进行评价,并与其他在线测量方式获得的质量信息相结合,为锻造生产的质量控制与工艺改进提供依据.     

基于组合赋权和BP神经网络的高校学生综合素质评价研究

考虑到主客观赋权的弊端,以高校学生综合素质评价为例,提出了一种基于最小相对信息熵原理的组合赋权方法,建立了综合职业能力视角下的评价模型。为了提高综合评价的便捷性,以单项指标为输入样本,评价成绩为输出样本构建BP神经网络。仿真结果表明,BP神经网络的预测平均相对误差为0.61%,最大相对误差为1.57%,说明该模型在合理的范围内能快速给出评价结果,避免了繁琐的计算过程,具有一定的应用前景。     

基于BP神经网络的城市地震次生火灾起火率研究

选取房屋破倒率、震时地面加速度峰值、地震区域抗震设防烈度和地震发生时刻作为引发地震次生火灾的4个预测因子,结合中美日76条地震次生火灾统计数据,运用BP神经网络建立城市地震次生火灾起火率预测模型。分别运用BP神经网络模型和国内二项式拟合模型对实际样本起火率进行预测。结果表明:BP神经网络模型的预测结果与样本的实际起火率基本吻合;与国内二项式拟合模型相比,BP模型在地震次生火灾起火率的预测精度上有了较大提高,证实了BP神经网络适用于地震次生火灾起火率预测。以武汉市汉口地区为例,对该地区地震次生火灾起火率进行了预测,为城市抗震救灾、消防设施布置和防灾减灾规划建立提供了依据。     

基于BP神经网络的教学质量评价

基于MATLAB设计神经网络评价流程,以3层BP神经网络进行教学质量评价,其中隐含层的传递函数为tansig,输出层的传递函数为purelin．为保证网络的泛化能力,在训练样本的选择上,选择比较有代表性的数据,打乱顺序,对数据进行归一化预处理;训练函数采用Levenberg—Marquardt算法,选择学习速率为0．01,网络训练误差为le^-5,训练次数1000次,步长选择为10．成功训练神经网络后,对给出的4组数据进行了预测,画出预测拟合及误差分析图形．结果表明：在设计BP神经网络模型的基础上,采用合理的样本数据,神经网络就会通过训练样本,学习到样本的有关环境本身的内在规律性,对输入给出正确的反应,以实现教师的教学质量评价．     

基于神经网络的费托燃油发动机特性研究

基于反向传播(Back Propagation,BP)神经网络强大的非线性逼近和自学习能力，设计3层网络模型，采集发动机台架试验数据作为样本进行模型训练和检验.以发动机转速、转矩、供油提前角和以天然气为原料的费托燃油(GTL)与柴油混合燃料特性参数十六烷值、硫含量、芳香烃含量为输入，建立BP神经网络模型预测GTL发动机特性.结果表明，采用该模型可同时预测GTL发动机功率、油耗、排温、HC、CO、CO₂、NO_x和碳烟排放等特性；与试验数据对比，预测结果的相对误差基本在5%以内，表明该模型具有较高的模型精度和良好的泛化能力.     

基于BP神经网络和TOC的工程造价预控研究

为了有效控制工程造价,使建设投资确定,运用BP神经网络对工程造价进行预测,以预测结果对工程量清单计价模式进行优化,再以优化的工程量清单计价模式为计价依据,通过TOC理论对工程造价进行控制.以六条高速公路为样本数据,其中一条为检测数据,运用BP神经网络仿真,建立仿真模型.通过十三次迭代,模型顺利拟合,并且代人样本检测数据的输出结果与实际吻合.再以检测数据的输出结果为依据对这条高速公路进行TOC理论优化,最终相比优化前工程决算总额减少了2 072.6万元,降低了1%.     

上向水平分层充填体强度预测与参数优选

为减少水泥用量,降低充填成本,优化充填体配比和组合。以新桥矿区为例,通过室内充填体强度实验,建立BP神经网络,以水泥:粉煤灰:全尾砂、浓度和组合为输入因子,以7天抗压强度为输出因子,以实验数据为训练和检验样本来建立神经网络模型,通过对比误差和计算步数,确定隐含层节点数为11。将参数进一步细化并输入到模型中,搜索出优选样本,其优选结果能在保证充填体整体稳定性的前提下,水泥用量减少18.67 kg/m3,降低了充填成本。     

色度空间转换模型评价体系的研究

颜色的色度值在不同色度空间之间的相互转换是色彩管理技术的核心技术之一.通过定义色度空间转换模型的稳定性和鲁棒性的概念及其评价方法,建立了以模型稳定性、鲁棒性及模型转换精度为参数的色度空间转换方法评价体系,并选择确定的检验色块样本集,分别以基于动态子空间划分的BP神经网络颜色空间转换方法和基于模糊神经辨识方法的颜色空间转换模型这两种人工智能的彩色设备特征化方法为例,分别对其进行评价分析.结果表明,该评价体系可以有效地对颜色空间转换模型进行定量分析,从而为色度空间转换方法的评价建立新的思路.     

神经网络建模在工程项目评标中的应用

评标是工程项目招标程序中极为重要的环节，利用BP神经网络的自学习、自适应和非线性逼近能力，研究了BP神经网络用于工程项目评标的原理与步骤，建立了评价指标体系，在此基础上构造了基于BP神经网络的工程项目评标模型，并以收集到的样本为例，对该模型进行了实证研究，表明了该方法的有效性。     

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。     

基于改进BP神经网络算法的多指标综合评价方法的应用研究

研究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，以建设工程项目招标评标为背景，建立了多指标综合评价的BP模型，引入附加动量法和变步长算法，对BP神经网络算法改造，大大提高了学习训练速度，运用这种神经网络来解决实际问题，并给出了结果．     

基于BP神经网络矩形微带天线谐振频率预测

谐振频率是微带天线的重要技术指标,建立合适的数学模型以获得微带天线精确的谐振频率,在微带天线的设计中至关重要,通过BP神经网络建模的方法对天线谐振频率进行预测.以一款谐振频率为2.4 GHz的矩形微带天线为分析算例,通过HFSS软件的仿真计算,获取了大量的天线样本,在此基础上建立了矩形微带天线的BP神经网络模型,并预测出不同结构参数下5个矩形微带天线的谐振频率.再将这5个天线的结构参数输入HFSS软件,用HFSS软件对这些天线进行仿真得到其谐振频率,比较结果证明采用BP神经网模型预测得到的天线谐振频率与HFSS仿真结果间误差很小,说明神经网络预测得到的天线谐振频率有效,本文的设计方法可行,效果良好.     

基于CMAC神经网络的配网重构模型

为使配电网的有功功率损失最小化,提出了一种基于小脑模型关节控制器(cerebellar model articulation controller,CMAC)神经网络配电网重构模型.借助于CMAC神经网络输入和输出之间的非线性映射关系和泛化能力,来建立变化的负荷水平与最优化网络拓扑之间的对应关系,即网络重构.还将该模型与基于BP网络的配网重构模型进行比较.经算例表明,模型可以快速地给出重构的结果,适合大型配电网使用.