基于BP神经网络建立二次润叶工艺参数的预测模型

文中研究了在打叶复烤的二次润叶过程中,热风润叶机的工艺参数设置对出口叶片质量指标的影响,并建立相应预测模型。根据二次润叶特色工艺数据的特征,建立了BP神经网络预测模型。调用目前流行的神经网络编写框架TensorFlow的高级API接口搭架神经网络结构,逐步优化神经网络结构中的激活函数、优化器、隐藏层神经元数目等关键参数,使其对测试集的预测结果达到最佳状态。通过输入前蒸汽喷嘴压力、前端加水流量、热风温度、回风温度、进料叶片温度、进料叶片水分组合的参数,预测出口叶片水分、温度这两个关键的烟叶评测指标。根据预测结果的均方误差、均方根误差、平均绝对误差得出,当隐藏层神经元数目为7,激活函数为ReLU,优化器选择RMSprop时可取得较好的效果。     

基于遗传神经网络的氧化铝浓度预测

为了精确地对铝电解过程中氧化铝浓度进行控制,通过分析槽电阻与氧化铝浓度的关系,结合铝电解工艺的特点构建基于BP神经网络的氧化铝浓度预测模型。同时,提出利用遗传算法来优化BP神经网络的结构和网络参数,然后利用优化后的网络进行氧化铝浓度进行预测。仿真结果显示,该模型能很好地对氧化铝浓度进行预测,且误差较小。利用遗传神经网络对氧化铝浓度进行预测快速、有效,对实现铝电解过程氧化铝精确控制有着重要意义。     

基于BP神经网络的温度预测方法

针对环境试验温度测量精度不高,测温延时较大的问题,提出了基于BP神经网络的温度预测方法。该方法通过测量瞬时温度变化率,利用BP神经网络的温度预测模型,对温度进行预测。在MATLAB中仿真表明,该方法对温度测量的精度有了明显的提高,对测温延时有了明显的改善。     

量子优化的氯碱电解多目标控制系统理论研究

针对氯碱电解槽的节能降耗,增加其生产效率,根据氯碱电解的复杂控制过程,设计一种氯碱电解多目标控制系统。首先,基于历史数据分析氯碱电解槽的主要影响因子,在此基础上建立氯碱电解电流效率和直流电耗的Elman神经网络预测模型;然后,利用BP神经网络控制器来提高控制精度和动态跟踪精度,并用量子优化方法对BP神经网络控制器进行优化;最后,利用Matlab进行仿真,并与改进型非劣分类遗传算法(NSGA-Ⅱ)作对比,结果表明文中所提的控制策略有效,可以为氯碱生产过程提供优化操作指导。     

烟叶分类的神经网络方法

为实现烟叶nic—ts—rs—k—cl含量分布的自组织分类,用SOM神经网络技术,以山东中烟公司提供的129种烟叶为学习和测试样本,训练和检测神经网络对烟叶nic—ts—rs—k—cl含量分布的自组织分类。实验显示：经过1000步的训练,SOM神经网络矩阵映射重复操作归类相同率,在剔除特异结果后达到80％以上。这一结果证实,利SOM神经网络技术,可以对烟叶参数组合取值分布进行客观分类,为烟叶质量评级,属性预测、缺陷诊断,状态预测和种类识别提供依据。     

基于遗传算法优化BP神经网络的预测建模

为了进一步提高基于BP神经网络的预测模型精度,本文针对BP神经网络收敛速度慢,参数选择随机等特点,采用了遗传算法对BP神经网络进行优化,并提出了一种基于遗传算法优化BP神经网络的预测模型,从而进一步提高预测模型的预测精度,通过对比未使用遗传算法优化的BP神经网络的预测模型发现基于遗传算法优化BP神经网络的预测模型在提升预测精度方面具有非常好的效果,是一种非常高效的方法.     

基于CSO优化模糊神经网络的污水处理出水COD预测模型

针对污水处理的非线性系统,为了能够有效预测出水化学需氧量（COD）。提出了一种基于鸡群算法（CSO）算法优化的模糊神经网络预测模型。首先通过模糊神经网络设计了COD模糊神经网络预测模型;之后采用鸡群算法优化模糊神经网络模型参数,弥补预测模型容易陷入局部极小值的缺点,使模糊神经网络的预测精度有了明显提高。最后用MATLAB平台进行仿真实验,仿真结果清晰表明,改进型模糊神经网络预测模型具有很好的自适应性和鲁棒性,提高了COD预测精度和预测效果,能够满足实际污水处理的测量需求,具有一定的研究价值。     

BP神经网络人口预测模型研究与仿真

基于时间序列的神经网络预测,从模型的结构设计、神经元个数、传递函数等方面,研究BP神经网络预测模型的建模.通过对国家统计局的人口数据建立样本,使用MATLAB对预测模型进行仿真实验,结果证明预测模型能够达到预测效果.     

基于Hopfield神经网络的中考达线等级预测模型

针对目前中考对青少年的重要性,提出了用学生的平时成绩预测中考达线等级的思想。首先对Hopfield神经网络的结构与联想记忆功能进行了研究,之后建立了基于离散型Hopfield神经网络的预测模型。用MATLAB 7.0对待测样本进行仿真的结果表明,该模型可以有效地对中考达线等级进行预测。     

基于BP神经网络的硬盘播出系统电平诊断的应用及其实现

研究了在MATLAB环境下,利用BP神经网络解决硬盘播出系统电平诊断中的分类问题。首先阐述了BP神经网络的一种故障诊断模型,其次分析了基于集合结构的电平诊断实现原理,最后研究了BP神经网络对电平诊断的求解方法。结论表明:利用在基于BP神经网络的MATLAB环境下解决电平诊断问题时仿真效果明显,有利于实际工程技术的应用。     

GRNN神经网络在电力系统负荷预报中的应用

为了预报电力系统负荷,采用GRNN（广义回归网络）的方法,通过GRNN神经网络和BP神经网络建立电力系统负荷预报网络模型,用MATLAB7.0仿真,达到了预测的目的。利用GRNN神经网络预测结果准确率高,避免了BP网络预测同样的数据库,算法冗长,网络预测结果不稳定的缺点,GRNN网络具有更好的预报精度。     

基于外界影响及时序因素的PM2.5预测研究

随着雾霾问题逐渐加重,对其主成分之一PM2.5的预测已成为广泛关注的问题.PM2.5日浓度变化受多种因素影响,且具有非线性、时变性的特征,难以被准确预测.针对此问题,文中提出一种基于外界影响及时序因素的PM2.5日浓度预测方法.该方法分离出PM2.5日浓度的外界主要影响因素与时间因素,建立了基于外界主要影响因素的BP神...     

基于神经网络MIV算法的烟叶加料均匀性预测分析

为了预测分析不同工况下烟叶加料的均匀性,文中提出一种基于神经网络MIV算法的烟叶加料工艺参数优化方法。通过对烟叶加料的工艺参数进行神经网络训练,利用MIV计算出各参数与加料均匀性的相关性,确定影响加料均匀性的关键工艺指标。文中进行了相应的试验证明,结果显示相对误差被控制在5%以内。由此结果推出影响加料均匀性的关键工艺指标为:排潮开度、工艺流量、气体压力及料液流量。其中,排潮开度、工业流量及料液流量与加料均匀性负相关,气体压力与加料均匀性正相关;经过MIV进行变量剔除的神经网络的预测性较好。     

基于粒子群算法的BP 神经网络在大气 NO2 浓度预测中的应用研究

NO2 是主要的大气污染气体之一, 在大气光化学过程中起着重要作用。研究 NO2 浓度的时空演变, 预测其浓 度变化趋势, 对政府出台改善环境措施具有重要意义。提出利用粒子群算法 (PSO) 的反向传播 (BP) 神经网络对大气 NO2 浓度进行预测。以合肥地区 2017 年 1 月 1 日至 2019 年 12 月 31 日的大气污染数据和气象数据为基础, 结合逐步 回归方法筛选出与 NO2 浓度相关性较大的影响因子作为输入样本。构建 PSO-BP 神经网络预测模型, 利用 PSO 找出 BP 神经网络最优的初始权值和阈值。对比 BP 神经网络、遗传算法改进的 BP 神经网络和 PSO 改进的 BP 神经网络 三种模型的预测结果, 发现 PSO-BP 模型能够较为准确地预测出 NO2 浓度的动态变化规律, 并且预测精度高、模式简 单, 有望广泛应用于大气污染物浓度预测等方面的研究。     

智能集成VBR MPEG视频流量预测模型

作为数字媒体网络视频通信的主要方式,VBR MPEG视频流量的预测能力是直接关系缓冲区设计、动态带宽分配及拥塞控制等提高网络服务质量的关键因素.因此针对MPEG视频流的复杂特性,充分利用人工智能方法的优势,提出并建立了基于模糊神经网络的智能集成VBR MPEG 视频流量预测模型.采用模糊预测模型提高预测精度,利用神经网络解决预测的实时性问题.实验结果表明,与标准AR预测模型相比,该模型预测的准确度和可靠性显著提高,且算法简单易于推广到其他方法中使用.     

粒子群神经网络用于电磁兼容预测

为了更好地对电磁兼容进行预测,提出采用人工神经网络的方法。传统的BP神经网络易于陷入局部最优,因此采用粒子群算法对网络权值进行优化。以平行线间电磁耦合干扰为具体算例,证明本算法的预测结果的均方误差仅有10-4数量级。因此,使用PSO优化网络权值的方法有效,且神经网络模型能准确预测电磁兼容。     

一种基于残差网络的改进网络流量分类算法

基于卷积神经网络的网络流量分类算法中,为了提高分类准确度,其结构设计日趋复杂,容易出现梯度下滑甚至梯度消失,导致预测准确度不升反降.文章提出了一种基于残差网络的改进流量分类算法,引入残差网络层代替传统卷积神经网络中的卷积层和池化层,不仅缓解了传统卷积网络因层次太深导致难以训练的问题,同时与传统卷积运算相比,所提出的残差...     

基于BP神经网络的引线键合模型

提出了一种基于BP神经网络的新建模方法.利用MATLAB神经网络函数建立网络,通过组合不同参数,将50组训练样本输入网络多次训练,比较结果误差及训练步数、时间,确定了最佳网络结构及参数设置值,建立了引线键合模型.采用训练样本外的10组实验数据对模型进行验证,分析多种误差.验证结果表明,该方法对建立引线键合模型是有效的、可行的,有着较高的精确度.