共查询到20条相似文献,搜索用时 203 毫秒
1.
近年来人工神经网络(ANN)在水文预测和水文分析中的应用越来越多,其中BP网络的应用尤为广泛,不少学者提出了很多基于改进算法的BP网络。通过研究,从改进网络结构出发,首次建立了带偏差单元的递归神经网络,并将它用于径流预测。应用实例表明,该结构的网络模型,通过改进网络结构,能很好地克服原BP模型收敛速度慢,网络学习,记忆不稳定等缺点。拟合,预报精度较原BP模型均有较大提高。 相似文献
2.
通过对经典BP网络算法的改进,引入迭代步长优化的自适应规则,有效地避免了迭代解的振荡问题,提高了收敛速度。工程实例应用表明,基于模糊神经网络模型反演参数的方法具有精度高、收敛快等优点。 相似文献
3.
4.
5.
BP人工神经网络在结构损伤检测与识别中的应用 总被引:1,自引:0,他引:1
根据改进的BP神经网络,阐述了在结构损伤检测与识别上的应用.同时对该网络在结构检测应用过程中应该注意的问题做了探讨,展望了BP神经网络在结构损伤检测与识别上的发展方向. 相似文献
6.
采用BP神经网络对一个SDOF体系被控对象的控制器进行系统辨识,比较了BP算法与LQR经典线性算法控制下体系反应的控制效果,对于影响BP神经网络用于结构振动控制的相关问题进行讨论,同时指出神经网络的应用应参照问题客观数学模型的描述,以利于快速找到问题的合适解决方案。 相似文献
7.
改进模糊神经网络模型及其在大坝监测中的应用 总被引:6,自引:5,他引:1
鉴于传统模糊神经网络计算繁琐、模型精度较低、难以收敛等问题,在大坝位移的监测数据分析中应用改进的模糊神经网络及改进的反向传播(BP)网络算法,并建立了相应的网络模型.大量的数据分析计算表明,该模型收敛快,且精度优于常规的模糊神经网络和传统的统计模型. 相似文献
8.
9.
利用神经网络BP理论在处理非线性问题上的优势,在分析影响河道浅滩演变因素的基础上,建立了基于MATLAB的河道浅滩演变BP网络模型,实例结果表明,利用BP网络和RBF网络模型对浅滩变化进行预测是可行的,具有很好的应用价值,为河道浅滩演变预测研究提供了新方法。 相似文献
10.
11.
12.
13.
针对城市需水预测模型中需水量影响因子多、影响因子之间普遍存在多重共线问题,以及BP神经网络收敛速度慢、易陷入局部最优等缺点,提出一种由主成分分析、遗传算法及BP神经网络三者相结合的改进预测模型。以泰州市为实例,建立以主成分分析筛选需水量主要影响因子,遗传算法优化BP网络连接权值和阈值的需水预测模型,预测结果与BP神经网络预测模型预测结果做对比。结果表明:改进预测模型对泰州市2003-2014年需水量预测的平均相对误差为0.564%,最大相对误差为1.681%,精度优于BP神经网络预测模型;改进预测模型预测值与实际泰州市需水量吻合良好且训练速度更快、预测精度更高,可作为需水预测的一种有效方法。 相似文献
14.
以LM算法和步长自适应法对BP神经网络进行改进,并将输入数据采用压缩系数法进行处理, 用改进后的BP神经网络对黄河流域某地区地下水环境质量进行评价,并和内梅罗指数法、灰色聚类法评价结果相比较,结果表明改进后的BP神经网络计算速度快、评价精度高、结果客观准确。 相似文献
15.
16.
针对城市需水量影响因子多、BP神经网络收敛速度慢、精度低、易陷入局部最优等问题,提出灰色关联分析、思维进化算法、BP神经网络三者耦合的改进预测模型,利用灰色关联分析(GRA)筛选需水量主要影响因子,采用全局搜索能力极强的思维进化算法(MEA)优化BP神经网络的权值和阈值,从而构建GRA-MEA-BP耦合需水预测模型,同时建立BP神经网络模型作为对比。实例应用结果表明,GRA-MEA-BP耦合模型具有更高的预测精度和预测速度,可作为一种有效的需水预测模型。 相似文献
17.
基于NMEA-BP大坝变形监测模型研究 总被引:2,自引:0,他引:2
在对思维进化算法(MEA)改进的基础上,开展了基于思维进化算法与BP神经网络的大坝变形监测模型的研究。通过引入小生境技术和思维进化算法,克服了BP神经网络易陷入局部最优值、训练时间长和收敛速度慢等缺点,极大地提高了其搜索效率和全局搜索能力。通过进一步利用改进的思维进化算法优化BP神经网络的权值和阈值,建立了NMEA-BP大坝变形监测模型,并用该模型对工程实例进行了拟合预测。结果表明,NMEA-BP模型有效提高了大坝变形预测的精度,能更高效准确的进行大坝变形监测。研究成果为大坝变形监测的理论和实践研究提供参考。 相似文献
18.
BP神经网络以其对非线性系统的强大映射能力而被广泛应用于模糊性、随机性强的大坝变形预测分析中。传统的BP神经网络由于初始权值和阈值的随机性,容易导致网络在训练过程中极易陷入局部最小值,同时存在网络收敛速度慢等缺点。针对传统算法的不足,采用改进的粒子群算法(IPSO)对BP网络的初始权值和阈值给予优化,建立大坝变形预测的IPSO-BP模型,并与PSO-BP网络模型进行对比。结果表明,改进的IPSO-BP模型具有收敛速度更快、预测精度更高的优点。该方法可供大坝安全监测和预警分析参考。 相似文献
19.