基于遗传算法和BP神经网络的短期电力负荷预测

根据电力负荷的主要影响因素,考虑时间和天气,建立了基于遗传算法和反向传播神经网络（BP）的短期负荷预测.从BP神经网络的理论入手,采用遗传算法优化BP神经网络的初始权值和隐层节点数,从而避免了神经网络结构确定和初始权值选择的盲目性,提高了神经网络用于电力系统短期负荷预测的效率和精度使得负荷预测在更加合理的网络结构上进行.     

基于遗传算法的BP神经网络服装销售预测方法

针对服装企业产品销售的复杂性以及特殊性,提出一种有效的神经网络学习模型. 在对服装销售影响因子分析的基础上建立销售预测网络模型,利用遗传算法对后向传播神经网络的各连接权值进行优化计算. 方法综合了后向传播神经网格和遗传算法两者的优势,既具有神经网络强大的学习能力,又具有遗传算法的全局搜索能力.     

基于GA-LSSVM和BP神经网络的柴油发动机状态预测方法

为提前掌握装甲车辆发动机运行状态变化,避免安全运行事故,并为装备的视情维修提供数据支撑,本文提出一种基于BP神经网络和GA-LSSVM的柴油发动机状态预测方法。采用遗传算法对最小二乘支持向量机(least squares support vector machine,LSSVM)的惩罚系数C和核函数寻优,对发动机状态特征信号进行回归预测,利用BP神经网络对不同状态下的运行特征样本进行训练,构建柴油发动机状态评估模型,对发动机状态预测评估,并通过实例进行分析验证。验证结果表明,该算法所需训练样本少,预测精度高;该模型对发动机状态参数变化的预测在3步内具有较高准确性,最大平均误差为7.92%,一步预测最大误差约为1.69%,具有良好的发动机状态预测评估效果。该研究对装甲车发动机的安全运行具有重要意义。     

基于改进遗传算法和BP神经网络的矿井通风风速预测

矿井通风风速的准确预测对提高矿井安全性具有重要意义。为提高矿井通风风速预测的准确度,提出一种基于改进遗传算法和BP神经网络的矿井通风风速预测方法。该方法采用前向神经网络建立矿井通风风速预测模型,将排序选择策略和概率生存策略相结合,从而代替传统选择算子,得到一种改进遗传算法。采用改进遗传算法对网络最优权值和阈值进行全局搜索,在此基础上,再利用BP算法进行局部寻优,从而得到网络的权值和阈值。采用矿井工作面的数据作为实验数据进行仿真预测,并与已有的几种模型进行比较,仿真结果表明,该模型提高了矿井通风风速的预测精度。     

基于云遗传算法优化BP神经网络的轨道客流预测

城市轨道交通客流预测是线路规划和运营组织的基础,为提高客流预测的准确度,提出了基于云遗传算法优化BP神经网络的轨道客流预测模型.首先利用云模型云滴的随机性和稳定倾向性改进传统遗传算法中固定设置交叉和变异率的方式,克服了标准遗传算法搜索速度慢及容易早熟的缺陷;再通过改进后的遗传算法来优化BP神经网络的初始权值和阈值;最后...     

基于BP神经网络和遗传算法的软基参数反演与沉降预测

以九江绕城高速公路桩网复合地基加固软基试验段为工程背景,利用智能反演方法、正交试验设计和有限元数值方法相结合,对软基土体参数进行反演和工后沉降预测。研究结果表明,采用有限元和正交试验设计方法相结合,可以为BP神经网络和遗传算法参数反演模型提供大量的训练样本,能够确保参数反演精度;工程应用证明,BP神经网络和遗传算法与ADINA有限元程序相结合对软基工后沉降进行计算和预测是可行的,BP神经网络反演方法计算的软基沉降最大误差为5.26%,遗传算法计算的软基沉降最大误差为3.1%,因此,遗传算法在桩网复合地基软基沉降预测中具有更高的预测精度。     

基于遗传算法优化的BP神经网络的材料疲劳寿命预测

针对传统的材料疲劳寿命计算方法(概率统计法)误差较大的问题,在对材料疲劳寿命数据进行分类的基础上,采用基于遗传算法优化的BP神经网络方法,建立了应力集中系数、应力均值、应力幅值和材料的中值寿命之间的关系模型,针对具有有限寿命的数据进行寿命预测。实例验证结果表明,利用本文方法获得的预测结果与试验数据的相对误差均在5%以下,优于传统算法的预测精度,可以作为获取材料疲劳寿命数据的一种更为有效的手段。     

基于遗传算法优化的BP神经网络的变压器油中气体预测

对变压器的运行状态和潜伏性故障进行有效预测,可避免出现维修不足或过度维修。由于BP神经网络具有对初始值敏感、易陷入局部最小的缺点,因此,其预测精度不高。本文采用遗传算法(GA)优化的BP神经网络对变压器油中气体进行预测和分析,结果表明,所采用的方法可有效提高BP神经网络的预测精度。     

基于遗传算法的BP神经网络在轻质路基沉降预测中的应用

为更好地掌握轻质路基施工过程中的沉降变形情况,选取宁芜保通线部分轻质路基沉降监测数据,在BP(back propagation)神经网络模型的基础上,采用遗传算法对其进行优化,并将优化后的模型应用于轻质路基沉降预测。结果表明：遗传算法优化的BP神经网络在全局搜索能力和收敛能力方面具有明显优势;在轻质路基沉降预测任务中,多数预测结果的相对误差集中在更低的范围内,监测点1和监测点2预测结果的模型评价指标MAE、RMSE、MAPE分别为0.017 mm、0.021 mm、0.679%和0.013 mm、0.016 mm、1.395%,预测结果拟合程度高,误差小,模型泛化能力强。因此,遗传算法优化的BP神经网络的沉降预测模型具有可靠的预测效果与预测精度,在实际工程中可行性较高,可作为轻质路基沉降预测和预警的一种辅助手段。     

基于遗传算法BP神经网络的零件图特征识别

研究用多层BP神经网络识别二维零件图的形状特征信息.利用遗传算法加快BP神经网络的收敛速度.提出零件图扩展属性矩阵的概念及求法,对AutoCAD R2000进行二次开发,完善了我们开发的二维回转类零件图特征识别和提取系统,具有一定的理论和实用价值.     

基于BP神经网络的车身U形类冲压件成形回弹预测

基于MATLAB平台,将BP神经网络和数值模拟技术应用于冲压回弹预测中。采用三层BP神经网络建立基于变压边力的回弹预测数学模型,由正交实验法安排模拟实验组合,采用有限元软件进行冲压过程的数值模拟,并把端点处的Z向回弹量作为模型目标值。将模拟结果作为神经网络的输入样本对训练网络并建立网络知识源,得到了输入为工艺参数、输出为冲压回弹量的神经网络模型,并通过检验样本检验了ANN模型的准确性。实验表明：将神经网络与正交实验、数值模拟三者结合用于板料冲压参数优化可以明显缩短优化工艺参数的时间,提高工艺设计效率,同时在数值模拟实验次数一定的条件下,能获得比单纯使用正交实验和数值模拟方法更为精确的结果。     

基于信息扩散和BP神经网络的水资源预测

将信息扩散原理和BP神经网络相结合,提出了一种新的水资源预测方法.用因素状态空间上信息扩散的方法对不完备的历史资料进行优化处理,把处理过的结果作为神经网络训练样本的输入和输出因素,并利用BP算法进行网络训练,当计算达到要求的精度后即完成训练.经训练所得的神经网络即可用于水资源预测.结果表明,该方法能较好地解决水资源系统中实测样本少和存在矛盾样本之不足,提高了水资源系统预测的精度和水平.     

利用遗传算法优化BP神经网络

首先阐述了BP算法和遗传算法,并指出BP算法和遗传算法各自的优缺点,讨论了如何利用遗传算法优化BP神经网络,并举实例进行了仿真。结果表明该方法具有一定的实用价值。     

基于遗传算法的BP神经网络模型在道路交通事故宏观预测中的应用

采用遗传算法优化BP神经网络来建立一个道路交通事故宏观预测的模型.该模型结合遗传算法和神经网络两者的优点,具有更好的运算性能、更快的收敛速度和更高的精度.模型以交通事故死亡人数为输出变量,以机动车保有量、公路里程、人均GDP为输入变量,利用1978年至2006年的道路交通事故数据进行训练及检验.实例计算表明,建立的基于遗传算法的BP神经网络模型可以很好的适用于道路交通事故宏观预测,为制定交通安全对策提供理论依据.     

基于粗糙集和改进遗传算法优化BP神经网络的算法研究

针对BP神经网络结构由于特征维数增多变得复杂,以及网络易陷入局部极值点,提出了粗糙集和改进遗传算法结合共同优化神经网络的方法。首先利用粗糙集对样本空间进行属性约简,降低特征维数,进而简化BP神经网络的结构;然后训练过程中先用改进的遗传算法全局搜索网络的权值和阀值,再使用BP算法局部搜索细化,避免网络过早收敛。试验分析证明优化后BP神经网络比传统BP网络的预测精度得到了极大提高,泛化能力得到了增强,说明了该方法的可行性、有效性。     

基于BP神经网络的Ni-MH电池容量预测

针对Ｎｉ－ＭＨ电池容量检测法测量间长,工作效率低的缺点,应用ＢＰ前馈神经网络理论,提出了一种对Ｎｉ－ＮＭ电池容量进行预测的方法,具有算法简单、权值无需计算和仿真效果好等特点。     

基于BP神经网络的宏观经济季度预测

运用BP神经网络预测技术对季节性宏观经济数据进行了预测,筛选出效果优良的模型,提出了对于季节性时间序列一般的神经网络建模步骤。     

基于BP神经网络的交通流量预测设计

在研究交通流量特性的基础上,以交通流量控制为最终目标,建立了基于BP（Back Propagation）神经网络的交通流量预测模型。以某市某三叉口路段为例进行仿真模拟,结果表明预测系统能较准确地预测出交通流量状况。     

基于BP神经网络的非线性预测控制

将BP神经网络技术应用于预测控制,并对其控制算法进行研究。采用一个BP神经网络来实现对系统的辨识和多步预测,并将一种新型的非线性混沌映射引入到神经网络的参数学习算法中实现其权值调节,以逐步建立被控对象合理的多步预测模型,并用网络的多步预测输出序列与设定值序列的偏差修改控制律。仿真结果表明了该算法的有效性。     

基于BP神经网络的股票价格趋势预测

研究了股票价格趋势的预测问题,并给出了基于BP神经网络的股票价格趋势预测方法和预测的总体流程.讨论了输入参数的选取,描述了神经网络的结构.实验结果表明,该方法预测精度较高,特别是在对股价拐点的预测上效果良好,适用于股价震荡期间的预测.