BP神经网络算法预测及其在飞参数据分析中的应用

针对飞机喘振参数受随机因素影响的特点,提出了用人工神经网络中BP网络对飞机发动机喘振预测.通过对喘振数据及机组实际振动数据的预测结果检验,证明该神经网络预测有利于飞机发动机喘振状态的预测精度.     

BP神经网络及其在数据分类中的应用

BP神经网络模型是一种典型的前向型神经网络,具有良好的自学习、自适应、联想记忆、并行处理和非线形转换的能力,是目前应用最为广泛的一种神经网络模型。本文介绍了BP神经网络的实现以及其在数据挖掘分类方面的应用。     

无线传感器网络中缺失数据的估计

针对无线传感器网络中经常存在的感知数据缺失的问题,提出一个分布式算法SC,其中包括2种缺失数据估计的方法,即SRS和CNI。算法SC根据当前节点的子节点数对SRS和CNI进行动态选择。理论分析表明,SC不增加额外的通信能量消耗。模拟实验结果表明,SC对缺失数据的估计具有较好的准确性,对于不同的拓扑结构有较好的适应性。     

缺失数据下基于带约束粒子滤波的状态估计

实际工业过程具有强非线性非高斯噪声等特点,粒子滤波是一种常用的状态估计方法。带约束粒子滤波通过极大后验概率密度函数原则,将超出约束区域的状态估计值映射到约束区域,保证了状态估计的有效性。本文针对检测值部分缺失和全部缺失两种情况,提出一种缺失数据下的带约束粒子滤波算法。该算法基于贝叶斯原理,分别从先验粒子权值的计算以及状态估计值的映射两方面考虑了缺失数据的影响。仿真例子验证了该算法的有效性。     

神经网络在状态估计中的应用

本文提出了一种基于神经网络的状态估计方法,避开了依靠数学模型的传统途径,为在那些建模困难的场合实现状态估计提供了可能,仿真结果令人满意．     

BP神经网络在巡逻机器人多传感器数据融合中的应用

针对传统危化品仓库固定式监控器中监控范围小、报警准确率低的特点,研究了一款危化品仓库巡逻机器人,采用以拉依达准则改善BP神经网络融合性能的多传感器数据融合方法,通过采集泄露危化品浓度、仓库内环境温度和湿度等数据,在对数据进行拉依达去噪、归一化后利用BP神经网络进行融合输出.样机试验结果表明,该方法可有效提升危化品仓库巡逻机器人对空间环境的把握度,大幅度提高报警的准确性和可靠性,同时具备良好的传感器扩展性.     

基于BP神经网络的矿山地下水位预测研究

采用BP神经网络技术,将矿区的降雨量、排水量及前期水位三个因素作为输入层,矿山地下水位作为输出层,建立矿山地下水位预测模型.文章详细介绍了BP神经网络实现矿山地下水位预测的基本算法,将研究区矿山的长期观测孔实测水位作为实验数据并作出误差分析.最终成果能够达到矿山地下水位预测目的,并为分析地下水降落漏斗趋势提供有力依据.     

基于PCA的BP神经网络异常数据识别在信息安全中的应用

为了探究基于PCA的BP神经网络异常数据识别在信息安全中的应用,以MATLAB软件为仿真平台,通过PCA和BP神经网络对KDDCUP99数据集中3种11类攻击进行了仿真实验.研究成果表明主成分分析法的降维算法能大大提升异常数据识别效率;BP神经网络又大大提高了信息安全系统的泛化能力和鲁棒性;仿真结果进一步证明这种将PC...     

基于鲸鱼优化小波神经网络的飞行航迹缺失数据预测方法

飞行航迹数据是分析飞行状态的重要依据.针对飞行航迹缺失数据预测的问题,提出一种基于鲸鱼优化算法和小波神经网络相结合的飞行航迹缺失数据预测模型WOA-WNN.根据飞行航迹数据的非线性关系确定小波神经网络的结构;利用鲸鱼优化算优化传统小波网络的初始阈值和权值,提高收敛速度和预测精度,实现飞行航迹缺失数据的精确预测.实验结果...     

基于时空卷积神经网络的数据缺失交通流预测

针对数据连续缺失情况下交通流预测精度下降甚至失效的问题,提出了一种时空卷积神经网络预测模型,根据横向分布的时间相关性和纵向分布的空间相关性,构建路网交通数据时空矩阵,引入掩码矩阵标记数据的缺失状况,利用卷积操作提取路网中各检测器之间隐含的非线性关联,建立当前时刻与未来交通状态的映射关系,实现数据缺失情况下的交通流预测....     

基于BP神经网络的多传感器数据融合技术优化

传统的数据融合算法要求获得比较精确的对象数学模型,对于复杂的难于建立模型的场合无法适用。为解决上述问题,提出了一种基于BP神经网络算法的多传感器数据融合方法,对对象的先验要求不高,具有较强的自适应能力。仿真结果表明,采用BP神经网络对传感器数据进行融合处理大大提高了传感器的稳定性及其精度,效果良好。     

基于神经网络的飞参数据特征选择方法

针对飞参数据中存在的大量冗余和不相关,提出了一种基于神经网络的飞参数据特征选择方法.为克服传统算法收敛速度慢、易陷入局部极小等缺陷,神经网络的训练采用粒子群优化算法和Levenberg-Marquardt优化算法相结合的方式.神经网络训练结束后,先利用网络权值信息对飞参数据特征的相对重要度进行排序,然后根据重要度次序对飞参数据特征进行选择.实验结果表明该方法能快速有效地删除冗余飞参数据特征,同时提高网络的泛化能力.     

应用BP神经网络预测油页岩含油率

根据测井资料计算油页岩含油率多采用△logR法或改进的△logR法,这些方法中参数获取过程中易产生诸多误差,且这些方法是建立在油页岩含油率与特征测井曲线值是线性关系的基础上的,而在实际非均质性地层中,测井对油页岩含油率参数的响应在本质上必然是非线性的。基于此,运用BP神经网络来预测柴达木盆地北部地区侏罗纪油页岩含油率。首先分析研究区段测井数据的数理统计分布特征,在优选学习样本的基础上再采用一种基于LM（ Levenberg-Marquardt）算法的BP神经网络进行含油率预测,最后得出一组由40个连接权值与11个阈值组成的含油率参数解释模型,油页岩含油率预测值与岩心实验室分析值吻合很好,均方误差能控制在0.1918。因此,运用此模型可以预测相同地质背景条件下的油页岩含油率。     

PSO-BP网络模型在温室数据融合中的应用研究

由于温室的众多要素之间是相互制约、互相配合的,为了形成一个准确、合理的判断,将PSO算法的全局优化能力和BP神经网络良好的非线性映射能力相结合,优化BP神经网络的权值和阈值,提出了一种基于PSO的BP网络数据融合算法,并利用该算法对温室多传感器(温度传感器、湿度传感器和光照度传感器)同时检测到的数据进行融合。仿真结果表明:基于PSO-BP网络的数据融合算法能够获得温室准确有效的信息,提高温室控制的有效性与准确性。     

粗糙BP网络在葡萄病害分类中的应用

粗糙集无需提供问题所需处理的数据集合之外的任何先验信息,是一种通过知识约简,消除冗余数据的软计算方法;BP神经网络是一种通过自身的学习机制自动形成所要求的决策区域技术.综合了粗糙集和BP神经网络的各自优势,构建了一种新颖的葡萄病害分类模型.测试结果表明,所建模型对葡萄病害分类是行之有效的.     

带反馈输入BP神经网络的应用研究

为了有效解决具有非线性特征的水文预报精准度的问题,通过对反向传播BP神经网络的学习和研究,分析了变量间的相互信息,提出了系统间相关信息熵的概念,并建立了适合水文预测的自迭代反向传播神经网络模型.该模型通过对迭代因子的及时修正,在反向传播中不断调整网络的权值和阈值,从而在很大程度上改善了传统BP算法所带来的不足,提高了预测的精度.实际的应用研究表明,自迭代反向传播模型的预测效果优于传统预测模型.     

BP网络与RBF网络在感官评估中应用比较

介绍BP网络与RBF网络的方法原理以及二者在感官评估中的应用.利用企业提供的单料烟感官数据设计建立BP网络和RBF网络模型,并利用模型预测单料烟感官质量指标,然后通过行业专家提供的符合度公式对建立的模型进行评估,评估结果以百分比的形式展示.实验结果表明:在感官评估应用中,RBF网络模型预测性能优于BP网络模型.     

基于BP神经网络和CELTS-22的网络课程评价研究

基于对人工神经网络和CELTS-22的研究,建立了以CELTS-22中主要评价规范为参照的指标体系.该系统应用三层BP神经网络结构,设计出能模拟专家进行评价的计算机辅助评价模型,可以弥补评价过程中的人为失误.     

AdaBoost_BP神经网络在铁路货运量预测中的应用

为提高BP神经网络预测模型的预测准确性,将AdaBoost算法和BP神经网络相结合,提出了一种AdaBoost_BP神经网络预测模型。将该预测模型应用于我国1999年—2009年铁路货运量的历史统计数据,进行有效性验证,结果表明该模型对铁路货运量预测是有效、可靠的,且具有较高的预测精度,可应用于实际预测。     

多层神经网络在入侵检测中的应用

对多层ANN的结构和向后传播算法进行了设计,提出了移动窗口和事件子视图等概念,通过提取审计事件类型的方法,采样了ANN的训练数据和测试数据.具体实现了设计算法,并用该软件分别对UNIX和Windows XP两个操作系统的数据进行了实验.实验结果表明,多层ANN可以作为一个入侵检测的模型和技术应用于入侵检测之中.