基于深度卷积网络的糖尿病并发症分类

本文针对现有糖尿病并发症分类研究以统计为主,缺乏有效数学模型的问题,提出了基于深度卷积神经网络的糖尿病并发症分类模型。首先进行数据预处理,将糖尿病数据进行降维和向量化;其次采用深度卷积神经网络对并发症进行分类,并与SVM、决策树、BP神经网络等经典方法进行了对比。实验结果表明,本文提出的基于深度卷积网络的糖尿病并发症分类模型准确性高于其它模型,能够为糖尿病并发症提供有效地辅助诊断。     

基于主成分分析和反向传播神经网络相结合的 金属氧化物压敏电阻故障诊断分析

准确诊断金属氧化物压敏电阻故障对电力系统安全运行十分重要。为有效提高故障诊断率,本文提出基于主成分分析与反向传播神经网络相结合的故障诊断算法。对于MOV故障数据指示指标,利用主成分分析进行降维,降低原始指标间相关性,最后利用反向传播神经网络对所选主成分进行诊断。试验结果表明:相对于反向传播模型,PCA-反向传播模型诊断误判率下降了3%,模型运行时间降低了267 s。有效降低MOV误判率,简化了反向传播网络结构,提高网络收敛性和稳定性。     

泛化能力改善的神经网络方法在空调负荷预测中的应用

本文针对神经网络方法进行负荷预测时存在的泛化能力较差的缺点,提出了对历史数据进行相关性分析和输入数据主成分分析以提高神经网络泛化能力.实例分析结果表明:历史数据的相关性分析为空调负荷预测神经网络模型输入参数的合理选择提供了依据,主成分分析方法在降低神经网络模型输入维数、提高该方法泛化能力方面有较好的作用.     

基于PCA-PSO-BP神经网络的住宅供热逐时负荷预测

为了准确预测供热负荷,提出了一种基于主成分分析法和粒子群优化算法改进的BP神经网络(PCA-PSO-BP)预测模型。首先利用主成分分析法融合影响热负荷的特征指标,消除指标之间的冗余性和相关性;同时采用粒子群算法优化BP神经网络的初始权值和阈值,克服了BP神经网络容易陷入局部最优的缺陷,提高了BP神经网络的预测精度。基于北京某居住建筑供热系统的实际运行数据,对模型的性能进行了验证。仿真结果表明,改进的模型预测精度提高了4.07%。     

基于GA-BP神经网络的PHC管桩桩侧摩阻力预测方法研究

随着PHC管桩的广泛应用,为能够有效地预测单桩竖向极限承载力,分析了土的物理、力学参数对单桩竖向极限承载力的影响,通过影响因素分析选取贡献率较大的指标。结合现场静载荷试验数据,将遗传算法GA和人工神经网络BP有机地结合起来,利用GA-BP神经网络结合多元统计主分析主分量数学方法,对以粘性土和非粘性土为主的上海某地区的PHC管桩桩侧摩阻力进行了预测和检验,证明其预测精度良好、适用性强,验证了该方法的可行性,以此模型作为辅助控制手段进行合理预测,具有较大的工程实用价值。     

基于PCA-BP原理预测公路最终沉降量

路基的最终沉降量是公路耐久性评估的重要参数,影响路基最终沉降量的主要因素有空气中软土层厚度、软土压缩模量、硬层厚度、硬层压缩模量、路堤宽高比、路基施工工期、竣工时沉降量。基于以上7个参数,结合BP神经网络较好的预测性,以及主成分分析(PCA)能消除自变量间的多重共线性和降低输入数据维度的特点,建立了基于PCA-BP神经网络的路基最终沉降量预测模型。以30组实测数据为例,对7个影响因素进行主成分分析,最终降为4个主成分,进而将其作为BP神经网络的输入因子,对路基的最终沉降量进行了预测。结果表明:PCA-BP神经网络预测误差低,实现了对路基的最终沉降量的较准确预测,PCA-BP神经网络模型为路基的最终沉降量预测提供了一种科学、可靠的方法。     

基于PCA和SVM算法的滑坡稳定性分析研究

滑坡稳定性的计算方法是滑坡研究的关键问题。本文选取了24个影响滑坡稳定性的因子,运用主成分分析对这些影响因子进行属性约简,去掉冗余的影响因素小的因子,得到12个核心的影响因子,并以此作为支持向量机的输入特征值,构建主成分分析与支持向量机结合的滑坡稳定性分析模型。通过对212组滑坡数据进行分析与验证,结果表明应用主成分分析-支持向量机模型不仅可以大幅度降低数据之间的相互影响,同时提高了稳定性分析准确性。     

基于数据挖掘技术的黄土分类问题研究

依据数据挖掘技术,采用分类回归树决策树和概率神经网络对黄土的分类规则进行挖掘。利用主成分分析法对数据进行了清洗和降维处理,以处理后的新变量作为挖掘对象,使挖掘出的分类模型和规则得到了简化,提高了计算精度;同时归纳出了影响黄土分类的因素,所挖掘出的分类规则可用于黄土地层的智能划分。研究结果表明,挖掘出的知识具有良好的实用性。     

高性能混凝土配方优化方法的研究

文章分析介绍了高性能混凝土的各种影响因素，分析了优化理论中涉及的各种配方设计的运用方法、优缺点等，并详细说明和分析了试验数据的优化分析问题，如回归分析、神经网络、主成分分析法等。指出应用主成分分析法和神经网络结合是研究高性能混凝土配方优化的新的可能途径。     

基于BP神经网络的水泥混凝土施工质量控制

首先分析影响机场场道水泥混凝土面层质量的指标因素,并确定主要影响因素;然后应用改进了的BP神经网络与主成分分析法建立数学模型,并对天津机场停机坪水泥混凝土强度进行预测,可以看出,该模型的预测效果与实际相符合,在经济、安全的前提下保证施工质量,最终实现施工质量的事前控制。