混合GANN模型在路面状况指数预测中的应用

基于路面破损检测的困难性，利用路面使用性能的4个评价指标——路面破损状况、路面结构强度、路面平整度和路面抗滑能力之间复杂的内在联系，建立了一种路面破损状况的混合GANN预测模型。应用该模型可以利用快速检测到的IRI、SSI和SFC数据对路面状况指数PCI进行预测，减轻了路面破损调查的工作量，节约了大量的人力物力，有很高的实用价值。     

沈大高速公路沥青路面使用性能及特点分析

根据对沈阳至大连高速公路路面各单项使用性能指标的统计,分析了其路面使用性能及特点,为高速公路沥青路面综合评价模型影响因素的确定提供参数依据,并得出结论。     

基于不同神经网络模型的冷凝器两相换热量的研究

在混合工质下利用4种神经网络模型(反馈神经网络模型(BP)、遗传神经网络模型(GA - BP)、极限学习机网络模型(ELM)和递归神经网络模型(RNN))预测了板式换热器的换热量(含相变换热).结果显示:热源温度为30、40、50 ℃时,GA - BP神经网络模型的平均绝对误差(MAE)、平均相对误差(MAPE)和均方根误差(RMSE)均小于其他3种神经网络模型,且与实际值接近.该结果表明,GA - BP神经网络模型比其他3种神经网络模型更适用于预测板式冷凝器的换热量(含相变换热).     

基于PCA-SVM的高速公路沥青路面使用性能评价

针对传统路面使用性能评价方法主观性强以及已有模型存在缺陷等问题,分析了高速公路沥青路面使用性能评价指标体系,通过主成分分析(principal component analysis,PCA)法对评价指标进行降维处理,形成彼此相互独立的主成分,并选取主成分样本训练支持向量机(support vector machine,SVM),构建主成分分析法与支持向量机相结合的PCA-SVM模型以评价高速公路沥青路面使用性能.最后,选用罗宁高速2016年实测路面使用性能数据对提出的模型进行验证,并与《公路技术状况评定标准》的评价结果进行对比,结果表明:PCA-SVM模型评价结果与《公路技术状况评定标准》评价结果相近,修补率较高的5个路段评价结果比《公路技术状况评定标准》评价结果低一个等级,该研究成果可为公路技术状况评定的改进提供借鉴.     

基于GA-PSO-BP 的大坝变形监测模型

提出了一种基于GA-PSO 混合优化BP 神经网络的大坝变形监测模型, 将遗传算法(GA)和粒子群算法(PSO)的寻优过程进行融合, 利用GA 算法的全局性和PSO 算法收敛速度快的特点,通过迭代选取最优的粒子作为BP神经网络的连接权值和阈值,以减小网络输出误差, 提高其收敛速度和加强网络泛化能力。运用GA-PSO-BP 模型对大坝自动监测数据进行预测分析, 实验结果表明GA-PSO-BP 模型优化了BP 神经网络的连接权值和阈值, 能有效提高网络训练精度与收敛速度, 有效避免早熟收敛, 使模型的整体预测效果得到提高。     

基于灰色系统理论预测路面使用性能

根据灰色系统理论的数列预测理论，针对某高速公路沥青路面使用性能中的基本指标建立灰色预测模型，模型精度采用后验方差验证，对于精度较差的模型，采用二次拟合参数法提高模型的精度，并根据预测值与实际检测数据的对比，分析模型预测结果的合理性以及指标的发展情况．利用灰色系统理论预测路面使用性能具有一定的科学应用性．     

沥青路面未确知测度结构优选模型

高速公路投资额巨大,需要科学的路面结构选择方法。针对高速公路沥青路面结构方案评价过程中存在着许多不确定的知识和信息,应用未确知测度数学方法建立了高速公路沥青路面结构优选评价模型,该方法对评价空间实现了有序分割,通过建立多指标综合测度评价矩阵对不同方案进行识别排序。应用该模型对3种典型路面结构进行了综合评价。结果表明,采用该方法得到的评价结果能够较为客观地反映沥青路面结构的综合性能。     

基于免疫遗传算法的煤与瓦斯突出预测研究

根据影响煤与瓦斯突出的各个因素与突出强度之间存在的复杂的非线性映射关系,建立了突出强度预测的BP网络模型.针对BP网络收敛速度慢和易陷入局部极小值及基于遗传算法的BP网络易出现未成熟收敛问题,提出了一种基于免疫遗传算法(IGA)的BP网络,即利用IGA实现对BP网络的优化.IGA在遗传算法(GA)的基础上引入生物免疫系统中的多样性保持机制和抗体浓度调节机制,有效地克服了GA算法的搜索效率低、个体多样性差及早熟现象,提高了算法的收敛性能.结果表明:将基于IGA的BP网络应用于煤与瓦斯突出强度预测,该算法设计的BP网络具有较快的收敛速度和较强的全局收敛性能,在煤与瓦斯突出预测中取得了良好效果.     

高速公路沥青路面使用性能综合评价指标的研究

以沈阳至大连高速公路路况普查的数据及试验路段路况实测数据为基础 ,引用“专家评分技术” ,建立专门针对高速公路养护管理的沥青路面使用性能综合评价指标 ,并对其进行了例证分析 ,为高速公路路面养护评价、路面管理系统路况比较分析以及路面养护对策的优先排序提供参考依据     

基于遗传神经网络沥青混合料抗车辙性能研究

动稳定度是评价沥青混合料在规定条件下抵抗塑性流动变形能力的指标,它的大小直观反映了沥青混合料抗车辙能力的强弱。介绍了BP、遗传算法(GA)优化BP两种神经网络,建立了沥青混合料抗车辙性能预估模型,并以此分别对沥青混合料车辙动稳定度进行预测,实验结果表明:基于遗传算法(GA)优化BP神经网络的沥青混合料动稳定度预测方法,能够使网络收敛速度加快并避免局部极小;GA-BP神经网络在收敛速度和预测精度方面均优于BP神经网络。     

Research of CBR, DM and smart algorithms based design methods for high-rise building structure form-selection

Theoptimizationofhigh risearchitecturalstruc turesystemincludesthreesteps,namely,structureformoptimization,topologicaloptimizationandcompo nentoptimization.Amongthesestructureformoptimi zationisthefirststep,whoseconclusionusuallyinflu encesordecidestheopt…     

基于NN-GA的优化设计方法

针对优化设计中,传统的建模方法无法建立复杂系统的精确模型和传统优化算法无法获得满意优化效果的问题,将神经网络(NN)和遗传算法(GA)应用到设计中,构成一种基于NN-GA的优化方法.利用神经网络建立系统的数学模型,用遗传算法对参数进行优化,得出系统的最优值,并经过计算实例验证取得了较好效果.     

一种基于神经网络和参数优化的隐式广义预测控制

提出一种基于神经网络和参数优化的预测控制方法。首先利用带有动量项的改进BP神经网络辨识系统模型,在辨识过程中使用粒子群算法(PSO)对改进BP网络的初始权值/偏置、学习率、动量系数等辨识参数进行学习优化,解决这些参数的取值问题;然后将辨识得到的模型用于隐式广义预测自校正控制中,使用遗传算法(GA)对控制过程进行优化,寻找最优的控制参数(预测时域、控制时域、控制加权系数、柔化系数)。将该方法应用在热工系统中,仿真结果表明了方法的有效性。     

遗传算法构建的神经网络及在机械工程中的应用

在分析遗传算法和神经网络优点的基础上,采用遗传进化的方式自动获得神网络的结构、权值和阈值．提出了构建神经网络模型参数的遗传算法分区编码方案,构建了适应度函数并依据个体适应度值的大小动态调整隐层节点及连接权个数的方法,给出了整体算法过程．采用该方法构建的神经网络计算两自由度的机械手参数,并通过实例仿真与常规凭经验构建网络结构及采用BP学习算法相比较,采用遗传算法构建的神经网络具有仿真精度高、占用资源少、计算效率高等优点．     

一种遗传算法的神经网络模型

提出了应用神经网络实现遗传算法的模型,将普通遗传算法中交叉操作和突变操作的概念进行推广,并提出了全交叉和多点突变的概念以及实现这两种操作的人工神经元模型。通过一组著名的测试函数将该算法与典型遗传算法就求解优化问题的性能作了比较研究。此研究对用硬件执行遗传算法,显式地实现遗传算法的内在并行性,从而提高遗传算法的实时性,拓宽遗传算法的应用领域具有重要的意义。     

遗传神经网络在模拟电路故障诊断中的应用

对模拟电路的故障诊断,本文采用一种将遗传算法和BP神经网络结合的智能诊断方法-GA-BP算法,实现了模拟电路的故障诊断.该方法采用遗传算法优化神经网络的权值和阈值,代替了原来BP网络随机设定的初始权值和阈值,然后再用改进BP算法进行训练.通过仿真结果比较分析,经过遗传算法优化过的神经网络的训练步教大大减少.克服了传统BP算法的收敛速度慢,容易陷入局部极小值的缺点.     

电阻率测深数据的遗传算法和最小二乘法反演

遗传算法作为一种模拟生物进化过程的全局优化算法，由于对初始模型的依赖性较小，且不易收敛于局部极值中，在地球物理反演中发挥着越来越重要的作用，但这种方法只能得到次优解而不能得到最优解．最小二乘法是地球物理反演中最成熟的反演方法之一，反演中可以得到最优解，但是受初始模型的影响，容易收敛于局部极值甚至发散．为在电阻率测深曲线反演中得到全局最优解，采用先使用遗传算法再用最小二乘法反演方法，对较为复杂的3层和3层以上大地模型进行了计算，其模型参数误差只有6％。     

遗传算法求解TSP问题的研究进展

文章介绍了TSP问题和遗传算法的基本原理以及特点；针对解决TSP问题，论述了遗传算法在编码表示和遗传操作算子等方面的应用情况，分别指出了顺序表示、路径表示和布尔矩阵表示的优缺点．阐述了三种基本的操作算子的应用现状；最后，简单说明了混合遗传算法在求解TSP问题中的应用并对遗传算法解决TSP问题的前景提出了展望．     

基于BP神经网络模型的遥感图像道路分割处理方法研究

图像分割是军事目标识别的主要处理方法.由于神经网络对于解决目标识别问题具有适合用于高速并行处理系统、可以实现特征空间较为复杂的划分等优势,采用神经网络模型在复杂的遥感图像背景中,识别出宽度很小的道路是较为理想的.在简单介绍BP神经网络模型的基础上,论述了BP神经网络模型在目标识别中关于道路分割问题的处理方法,并以实例证明了采用BP神经网络模型对遥感图像进行分割,得到的结果图像能够从复杂的背景图像中分割出道路,并能清楚地反映道路的方向和分叉,对于遥感图像的目标识别有重要的实用价值.     

神经网络控制器用于永磁电机的伺服驱动

提出用一种遗传算法（ＧｅｎｅｔｉｃＡｌｇｏｒｉｔｈｍ，简称ＧＡ）训练的多层神经网络结构（ＮＮ），并把它用于交流直线永磁同步电动机（简称ＬＰＭＳＭ）的辩识与控制，使其运行在伺服驱动环境．ＮＮ可随时辩识被控系统的动态待性，而不需要ＬＰＭＳＭ的精确的数学模型．仿真结果令人满意