基于BP神经网络的面板堆石坝参数反演分析

高面板堆石坝的有限元计算分析中本构模型与模型参数的选取至关重要,尤其模型参数的选取与实际参数存在一定的差异性。根据面板堆石坝的特点,结合实测资料,基于BP神经网络选用合理方法构造参数训练样本,并给出了参数反演步骤,对坝体主、次堆石区的邓肯E-B模型参数反演与三维有限元进行了比较分析,计算结果与实测资料较为吻合。     

基于BP神经网络的空调负荷预测

本文以城建国际大厦冷源系统的检测数据为依据,利用BP神经网络,建立了空调负荷预测模型,并取得了较好的结果。文章进一步分析了可能存在的误差及提高预测精度的方法。     

基于BP神经网络模型的阿克苏市城市需水量预测

科学地预测城市需水量对城市的发展具有十分重要的意义.采用BP人工神经网络方法对阿克苏城市需水量进行预测,取得满意的效果,论证此种预测方法的可行性和有效性.     

基于AdaBoost与BP神经网络的风速预测研究

介绍了基于AdaBoost的多神经网络集成预测方法。集成方法的预测结果优于其他方法的预测结果,这一点在理论上和经验上已经得到证明。AdaBoost是适用于时间序列预测的集成方法。基于AdaBoost算法,采用多个BP神经网络训练随机生成的风速样本,再由多个训练结果生成最终的风速预测值。用该方法预测的误差低于用单一BP神经网络进行的预测,其分析和仿真结果表明了其优越性。     

基于BP神经网络光伏组件价格预测的研究

根据光伏组件的构成,将影响组件价格的因素分为技术因素和非技术因素,并采用网站数据采集法和专家咨询法确定各主要因素的分项价格,构建BP神经网络预测模型,在此基础上利用Matlab内置的Neural Net Fitting模块对组件价格进行预测,结果表明BP神经网络对组件价格预测的相关性较好,预测价格与实际价格偏差率为-2.62%～2.11%,预测结果可接受度为89.47%,预测精度满足实际需要,为光伏项目的顺利实施提供了辅助决策依据。     

基于BP神经网络的输油管道能耗预测方法

为准确预测输油管道运行过程中的能源消耗,通过分析输油管道运行报表,确定评价输油生产过程中的主要能耗指标,利用BP神经网络,建立了输油管道能耗预测模型。用某输油管道运行能耗数据做样本,对所建立的能耗预测模型进行训练与测试。预测结果表明,该模型能准确地预测输油管道的能耗,预测平均相对偏差不超过4％。该方法为输油管道能耗预测提供了一种新思路,有较高的使用价值。     

基于BP神经网络的喷水汽油机性能预测

基于反向传播(back propagation,BP)神经网络的逼近能力和自学习能力,以汽油机工况参数、状态参数和喷水控制参数为输入,分别建立多输入/单输出的点火提前角、油耗和排放预测模型;以试验设计和发动机台架的实测数据为基础构建、训练模型,用均方差评价网络训练与拟合效果;用相关系数判断输出值与目标值之间的密切程度;...     

基于BP神经网络的工业锅炉房负荷预测

针对工业锅炉房日负荷变化的特点,采用BP人工神经网络模型对热负荷进行预测。在建立模型时,考虑不同小时的热负荷差异,采用24个单输出的BP网络来分别预测每天24h负荷值;利用MATLAB神经网络工具箱NNT(Neural Network Toolbox)分别实现对24个BP网络预测模型的构建及算法改进;最后,应用一个实例对建立的预测模型和实现方法进行了仿真分析,结果证明,该负荷预测模型网络结构小、收敛速度快、预测精度高、具有较高的实用价值。     

基于思维进化算法优化BP神经网络的渗透参数反演研究

针对传统BP神经网络反演渗透参数的准确性很大程度依赖于初始权值和阈值的选择的问题,引入全局寻优能力极强、待调参数较少、收敛速度快的思维进化算法优化BP神经网络,以弥补传统BP神经网络在解决该问题时拟合能力有限、容易陷入局部最优、收敛速度慢的缺陷,进而提出了思维进化算法优化BP神经网络反演渗透参数的新方法。对某混凝土面板堆石坝进行渗透参数反演结果表明,与传统BP神经网络相比,思维进化算法优化BP神经网络具有更好的泛化能力,反演得到的渗压测点水头与实际值吻合更好,渗透参数符合实际。     

基于BP神经网络的油冷器压降及换热量预测

油冷器作为发动机散热部件之一,压降和换热量是评估其性能的重要指标,但油冷器中传热与流动规律错综复杂,所以对其压降和换热量进行预测存在一定难度。本研究提出了一种基于BP神经网络和特征工程的预测方法。该方法通过实验获得不同结构类型下冷油器数据,对样本数据进行插值和增强等方法解决样本量分布不均的问题,并根据相关性计算Shah-Focke关联式、Gray and Web关联式、A.R.Wieting关联式等相关经验公式与本文实验结果相关性,并筛选出相关性最高的关联式来构造新特征,最后利用BP神经网络模型进行预测。结果表明,Shah-Focke关联式与本文实验结果相关性最高,且该经验公式特征的引入对模型有积极影响,预测精度提升50%,令压降预测误差为6%,换热量预测误差为4%。     

基于BP人工神经网络的引水系统平硐围岩参数反演分析

鉴于影响围岩稳定性的一个重要因素是岩体的开挖、卸荷过程引起围岩质量劣化和变形,基于卸荷岩体力学理论及方法,利用BP人工神经网络对丹巴电站平硐围岩参数进行了反演,有效降低了参数选取过程中的主观因素,并将反演所得参数代入三维模型进行数值模拟计算。结果表明,计算所得的测线收敛值变化趋势与监测数据大致相同,可见利用BP人工神经网络能获得反映岩体真实性能的参数值。     

基于BP神经网络的供热机组低压缸质量流量在线监测方法

汽轮机低压缸质量流量的实时监测对极寒地区大型供热机组具有重要意义,但却存在难以在现场直接测量的问题。提出了一种基于BP神经网络的供热机组低压缸质量流量在线监测方法。以机组负荷、主蒸汽流量、主蒸汽压力和中压缸排汽压力作为输入,以低压缸质量流量为输出,建立BP神经网络计算模型,利用插值方法获取样本数据。最后,基于PI数据平台开发了汽轮机低压缸质量流量的实时监测系统,并在2台600MW供热机组上进行了实际应用测试。结果表明,该系统给出的常运行工况监测值与经验值是相吻合的,对极寒温度下机组低负荷、大流量供热运行时的空冷岛防冻预警具有一定的指导意义。     

基于小波分析和灰色BP神经网络的滑坡位移预测

滑坡位移时间序列预测对滑坡灾害预警和防治具有重要意义。滑坡位移时间序列具有高度的非线性特征,含有大量噪音且采用常规非线性模型难以准确预测。对此,提出基于小波分析(WA)—灰色BP神经网络的滑坡位移预测模型。该模型先采用小波分析法将滑坡位移时间序列分解为不同频率分量的滑坡子位移,然后采用灰色BP神经网络对各滑坡子位移进行预测,在此基础上将预测得到的各子位移值相加,最终得到预测出的滑坡位移值。以GPS监测获得的郑家大沟滑坡#1监测点的位移时间序列为例,采用WA-灰色BP神经网络模型对其位移进行预测,并与WA-BP神经网络模型及未进行小波分析的单独灰色BP神经网络模型进行对比分析。结果表明,WA-灰色BP神经网络模型准确预测出郑家大沟滑坡#1监测点的位移值,且具有比WA-BP神经网络模型和单独灰色BP神经网络模型更高的预测精度。     

基于BP神经网络的混凝土抗硫酸盐侵蚀预测研究

鉴于新拌混凝土流变参数与硫酸盐侵蚀劣化指标之间存在的非线性映射关系,基于新拌混凝土流变参数,利用BP神经网络建立了硫酸盐干湿循环侵蚀后混凝土抗压强度损失率、质量损失率及相对动弹性模量的预测模型,预测了混凝土受硫酸盐侵蚀程度。结果表明,BP神经网络模型预测的硫酸盐侵蚀结果与实测结果吻合较好,且预测误差较小,说明BP神经网络模型对混凝土受硫酸盐侵蚀后的劣化程度具有良好的预测效果。     

遗传算法与BP神经网络相结合的输电线路 覆冰厚度预测方法

为了保障输电网的安全运行,输电线路覆冰厚度预测极为重要。将人工神经网络原理引入输电线路覆冰厚度预测中,并针对BP网络收敛速度慢、易陷入局部极小的缺陷,提出了基于GA和BP的预测模型。实例研究证明GA-BP模型相比较BP模型,能更有效地预测输电线路覆冰厚度。     

基于BP神经网络的印染太阳能集热温度预测

温度在印染加工最重要的工艺参数,因此对太阳能的集热能力做出及时预测是太阳能集热系统在印染行业成功应用的关键,但太阳能集热受到纵多因素的影响,单纯的数学模型难以准确预测。文中采用神经网络对太阳能集热系统进行集热温度预测,根据太阳辐照度、实测温度、天气情况、进水温度等环境参数,预测印染太阳能集热系统的集热温度。结果表明,该方法速度快,结果较准确,为印染太阳能集热控制系统的设计提供了一个新的预测手段。     

基于BP神经网络的直角折线堰过流能力预测

为验证BP神经网络模型在预测直角折线堰过流能力方面的适用性,利用量化共轭梯度算法,选取114组水工试验数据为训练样本、21组水工试验数据为预测样本,将直角折线堰前堰长度(a)、侧堰长度(b)及堰顶水头(H)作为输入层神经元,流量Q作为输出层神经元,建立3-10-1的拓扑结构直角折线堰过流能力预测模型.结果 表明,基于B...