构架式空间可展开天线结构优化参数预测模型

为了得到构架式空间可展开天线结构优化中目标函数与设计变量的解析表达式,基于BP神经网络建立一种天线结构优化参数的预测模型．根据天线背架的结构及神经网络的训练原理,构建对优化参数进行预测的网络模型;应用有限元软件ANSYS对优化参数进行数值计算,通过正交试验设计,得到BP神经网络的训练样本;调整传递函数、隐层节点数及训练...     

死端微滤牛血清白蛋白溶液膜通量的预测

为实现对不同操作条件(操作压力、料液质量浓度和温度)下的牛血清白蛋白溶液死端微滤膜通量的预测,以训练步数、绝对相对误差和相关系数作为预测的衡量指标,并对所建立的3层BP神经网络和RBF神经网络基本模型的内部参数进行了优化.优化的BP神经网络模型的拓朴结构为3-9-1,学习率为0.05,学习/训练函数为traingdx,隐层到输出层的传递函数为logsig,该网络对牛血清白蛋白(BSA)溶液膜通量预测的平均绝对相对误差为2.37%,相关系数为0.9960;优化的RBF神经网络的网络设计函数为newrbe,散布常数为400,该网络对BSA溶液膜通量预测的平均绝对相对误差为4.83%,相关系数为0.987 0.结果表明,BP神经网络优于RBF神经网络.     

BP神经网络预测方法的改进及其在隧道长期沉降预测中的应用

对已有的BP神经网络预测方法做了进一步的改进,通过对比选取了最优的网络训练模式和传递函数;利用反复训练和统计学原理推导了适用于确定单个隐含层神经元个数的解析式,并提出了与其相适应的归一化方法、最优归一区间和最优隐层神经元个数的取值范围;指出当输入神经元大于3个时,采用具有双隐含层结构的BP神经网络进行预测的效果远好于单个隐含层结构.对隧道结构整体沉降进行了预测,效果满意,为合理选择后续施工工艺提供了依据.     

基于改进BP神经网络算法的多指标综合评价方法的应用研究

研究利用误差反向传播人工神经网络(BP网络)的多指标综合评价问题，以建设工程项目招标评标为背景，建立了多指标综合评价的BP模型，引入附加动量法和变步长算法，对BP神经网络算法改造，大大提高了学习训练速度，运用这种神经网络来解决实际问题，并给出了结果．     

神经网络在女子服装号型分类中的应用

为提高服装号型的分类效率,运用神经网络对上海地区成年女子衬衫量体数据进行了号型分类研究.对750名女性量体,参考国家标准GB/T 1335.2—2008《服装号型女子》[1]和企业生产经验,以身高、胸围、腰围、领围、肩宽、袖长为变量,运用K-means聚类建立了29个规格的训练样本.建立并训练BP神经网络,以混淆矩阵反映的正确率为指标,考察了网络结构、训练算法及传递函数对网络性能的影响.研究表明,弹性梯度下降算法分类正确率最高,分类效果随隐层神经元数量的增加而提高,隐层和输出层传递函数均为logsig时,分类正确率最高.     

BP神经网络预测管道运行费用研究

针对目前管道运行费用预测需要的参数基较多且包含许多时变参数这一问题,讨论了BP神经网络方法在管道运行费用预测上的应用策略,建立了一个1-7-1结构的3层BP网络预测模型.采用改进的BP算法对25组学习样本进行训练,并用训练好的网络模型对5组样本进行测试,预测值误差在±2%以内,完全满足工程实际需要.从而为能源管理部门制定能源消耗定额和计划财务部门预测成本提供了决策依据.     

BP神经网络预测管道运行费用研究

针对目前管道运行费用预测需要的参数基较多且包含许多时变参数这一问题,讨论了BP神经网络方法在管道运行费用预测上的应用策略,建立了一个1-7-1结构的3层BP网络预测模型。采用改进的BP算法对25组学习样本进行训练,并用训练好的网络模型对5组样本进行测试,预测值误差在±2%以内,完全满足工程实际需要。从而为能源管理部门制定能源消耗定额和计划财务部门预测成本提供了决策依据。     

基于神经网络的混凝土斜拉桥健康状态评估

根据混凝土斜拉桥的结构特点,以双连体独塔斜拉桥为工程依托,通过建立实桥动力有限元模型,以模态分析结果为桥梁健康状态评估提供数值模拟试验模型及试验数据。借助Matlab图形用户界面,选择神经网络参数(网络的类型、网络拓扑结构、各层传递函数、特征参数、数据前处理方法及训练样本个数),构建BP神经网络,在对混凝土斜拉桥结构健康状态评估模型研究的基础上,提出了基于人工神经网络的评估技术,并通过实桥应用,完成对样本矢量的输入,以及对所建网络的训练,为实现混凝土斜拉桥健康状态评估提供合适的工具。结果表明,该方法能够有效反映在用混凝土斜拉桥结构的健康状态。     

基于人工神经网络的桩基础选型研究

将人工神经网络引入桩基础选型中，分析影响桩基础选型的重要因素和BP神经网络的特点，确定网络结构。利用Matlab 6．5人工神经网络工具箱构建桩基础选型模型，并利用Matlab语言编制人机交互式界面，使选型过程简单明了。将典型工程项目工程地质资料数据作为网络学习训练样本输入建立的神经网络模型，对其进行训练、优化。经检验。训练好的网络模型性能良好，达到了智能预测的目的。     

基于均匀设计及BP神经网络的大体积混凝土热学参数反分析

为了解决桥梁工程大体积混凝土热学参数失真的问题,提出一种基于均匀设计理论与BP神经网络的大体积混凝土热学参数反分析方法.该方法通过BP神经网络建立大体积混凝土温度场与热学参数的非线性关系;BP神经网络的训练样本由均匀设计方法确定;在BP神经网络训练阶段,采用附加动量法对网络结构进行优化;对优化前后的误差曲线及多次训练过...     

Application of functional-link neural network in evaluation of sublayer suspension based on FWD test

Several methods for evaluating the sublayer suspension beneath old pavement with falling weight deflec-tormeter(FWD), were summarized and the respective advantages and disadvantages were analyzed. Based on these methods, the evaluation principles were improved and a new type of the neural network, functional-link neural net-work was proposed to evaluate the sublayer suspension with FWD test results. The concept of function link, learn-ing method of functional-link neural network and the establishment process of neural network model were studied in detail. Based on the old pavement over-repairing engineering of Kaiping section, Guangdong Province in G325 Na-tional Highway, the application of functional-link neural network in evaluation of sublayer suspension beneath old pavement based on FWD test data on the spot was investigated. When learning rate is 0.1 and training cycles are 405, the functional-link network error is less than 0.0001, while the optimum chosen 4-8-1 BP needs over 10000 training cycles to reach the same accuracy with less precise evaluation results. Therefore, in contrast to common BP neural network, the functional-link neural network adopts single layer structure to learn and calculate, which simpli-fies the network, accelerates the convergence speed and improves the accuracy. Moreover the trained functional-link neural network can be adopted to directly evaluate the sublayer suspension based on FWD test data on the site. En-gineering practice indicates that the functional-link neural model gains very excellent results and effectively guides the pavement over-repairing construction.     

PCA-BP神经网络在流域水质评价中的应用

针对BP神经网络法在进行多污染特征的流域水质评价时面临的训练样本、验证样本的稀缺问题,提出一种基于主成分分析PCA - BP神经网络的水质评价模型.首先利用污染分担率算法筛选出能够全面反映流域整体超标情况的一组水质指标,然后利用主成分方法获取流域水质污染特征,解决训练样本过少的问题,并通过设计模型的验证条件,解决没有验证样本的问题.通过实例研究,表明主成分PCA - BP神经网络适合用于流域的水质评价,评价结果较为精确、可信.     

利用BP神经网络描述作物-水模型

研究了利用BP神经网络描述作物－水模型的方法，将各生育阶段的耗水量作为输入，将作物单产作出输出，构建了具有1个隐含单元层的BP神经网络结构，利用北京永乐店试验站1998－1999年度的冬小麦灌溉试验资料进行了样本进行训练和检验，得到了作物－水模型的人工神经网络模型。结果表明，作物－水模型的人工神经网络模型具有较高的拟合精度和预测精度。     

改进的基于支持向量机的网络综合评价策略

针对现有移动网络性能综合评估方法中存在的问题，提出了在维度变换基础上的采用支持向量机的综合评价策略。首先对语义上相关的n个指标进行维度变换使之成为独立的n维，然后对变换后的数据用支持向量机建立回归模型。理论分析表明，这种方法既可克服反向传播(BP)神经网络方法在应用中存在的收敛于局部极小问题，也可避免主成分分析法引起的信息丢失问题。实验表明，用支持向量机的方法比用BP神经网络的方法过程更可控，预测误差更小，且样本评价值间的差异保持得更好。     

基于BP网络的软件过程质量度量研究

将人工神经网络、软件能力成熟度模型集成CMMI(Capability Maturity Model Integration)的基本方法与软件过程质量度量的具体需求相结合,以CMMI模型中的过程域为基础构建软件过程质量度量的评价指标体系,以相应的过程评价数据为基础,构建并训练基于BP网络的软件过程质量度量方法,同时与其他方法进行对比分析,验证其合理性与可操作性。     

基于PSO-RNN的光伏发电功率预测研究

针对光伏发电功率预测对电力系统的安全稳定和经济运行问题,本文提出了基于粒子群算法优化脊波神经网络的光伏功率预测模型。采用脊波函数作为隐含层激励函数的神经网络,即脊波神经网络,同时采用粒子群算法优化脊波神经网络的权值,并以实际光伏发电站的历史光伏发电数据和气象数据作为仿真算例,对预测模型进行仿真和测试。仿真结果表明,与BP神经网络预测模型相比,基于粒子群算法优化脊波神经网络预测模型的日平均绝对误差和日最大绝对误差均有所降低,证明粒子群算法优化脊波神经网络的预测模型具有较高预测精度,不仅加快了脊波神经网络收敛速度,而且避免了陷入局部最优解,具有一定的实用性及可行性。该研究为光伏发电功率预测提供了理论参考。     

基于RBF -BP神经网络融合的医学数据分类研究

为改善传统的反向传播(BP)神经网络和径向基函数(RBF)神经网络的学习能力和分类性能的不足,提出一种融合RBF网络与BP网络的混合神经网络算法(HRBF -BP),并将其应用到医学数据分类问题中.在网络结构的实现上,将RBF隐藏层与BP隐藏层进行级联融合,即在连接BP网络输入层与隐藏层之间加入RBF核映射层; 在学习算法的实现上,先采用k-均值聚类算法来实现RBF核参数的估计,然后再使用基于随机梯度下降的BP算法实现级联BP网络的权值优化.将该算法与SGBP、KMRB、PFRBF等算法在不同的医学数据集上进行分类实验对比表明,该方法的网络训练精度以及测试精度均优于SGBP、KMRB、PFRBF算法; 因此,该方法对提高BP网络和RBF网络的学习能力和分类性能具有良好的参考价值.     

基于Matlab的BP神经网络在大坝观测数据处理中的应用

建立大坝观测数据处理的BP人工神经网络模型,用正交变换法来初步优化设计大坝变形分析的模型结构.运用Matlab工具箱函数建立网络模型,选择合适的训练函数,并采用正则化的算法以缩小网络的规模,改进BP算法提高学习速度和算法的可靠性.实例表明,基于Matlab的神经网络优化设计能比较有效地避免BP网络的固有缺陷,在精度和训练速度上得到提高.