弹性层状地基板模量反演的进化方法

用样条函数半解析方法建立弹性层状地基模型 ,根据小挠度薄板理论 ,建立弹性层状地基上刚性路面的位移计算模型 .并模拟生物进化过程 ,用遗传算法建立了弹性地基板材料参数反演分析方法 .数值计算结果表明遗传算法用于刚性路面模量反演具有良好的精度和收敛稳定性     

用差异进化算法进行海洋环境参数反演

提出了用差异进化算法进行浅海环境参数匹配场反演，利用仿真数据对算法的有效性进行了评估，并与遗传算法、模拟迟火算法进行了比较，最后采用亚洲海实验(ASIAEX 2001)数据验证了方法的可行性。     

沥青路面模量反演方法研究

在路面管理系统中,对路面的强度评价是一个非常重要的组成部分,路面结构模量作为一个重要的设计参数,在路面管理,养护,维修,改建等决策中发挥重要的作用。本文通过对现有路面模量反演方法进行分析,将比例边界有限元方法引入路面弯沉的求解中来,与传统有限元法相结合,解决了传统有限元方法由于人工边界的引入而存在的问题。并结合系统识别方法,实现路面模量的反演。计算结果表明,该方法对实际工程问题适用、有效。     

温度变形对刚性路面路基的影响

研究了水泥混凝土路面板温度变形的大小，视刚性路面板为自由矩形薄板，当温度沿板厚非均匀分布时，路面板变形后呈球面，据此得到挠度表达式；考虑变形后路面板在自重和车轮荷载作用下的变形，计算出由此产生的路基沉陷量；根据板中不发生脱空现象的条件，计算出板角处路基应有的沉陷量，采用等效法近似地得到路基顶面回弹模量值．计算结果表明，在刚性路面结构中，欲保证路面板不产生脱空，路基顶面回弹模量不宜过大，建议在规范中对其规定上限值．     

路面模量反演的修正迭代法研究

为更好地评价路面结构的性能，应用落锤式弯沉仪（Falling Weight Deflectometer，FWD）的检测数据，通过预估模量的初值，建立弯沉值对模量的导数矩阵，不断修正初始模量值的方法，开发了路面模量反演的修正迭代法。该算法同其他算法相比具有收敛速度快、精度高、稳定性好的优点。     

基于合作式协同进化算法的神经网络优化

针对一般遗传算法优化神经网络存在的不足，提出合作式协同进化遗传算法实现神经网络结构和权值同步优化方法．首先，结合合作式协同进化遗传算法本身特性和神经网络特点，给出种群分割方法；其次，为了实现结构和权值的同步优化，提出一种新的混合编码方法，并根据该混合编码方法设计新的交叉和变异算子；然后，根据编码结构、代表个体和合作团体之间的关系，提出一种新的结构优化方法；再次，给出进化过程所需代表个体选择、适应度构造方法等．最后，通过双螺旋线问题验证本文算法的有效性．     

基于差分进化的BP神经网络在纱线质量预测中的应用

为了提高BP神经网络在纱线质量预测上的精度,采用差分进化算法训练BP神经网络,利用差分进化算法的全局寻优能力优化BP神经网络的权值和阈值,建立了反映纱线质量的重要指标——单纱强度和条干CV%的神经网络预测模型.对真实数据的测试表明该算法效果良好,提高了BP神经网络算法的预测精度,能够为企业的纱线质量预测提供有效支持.     

一种基于进化BP神经网络的文本分类算法

提出并实现了一种结合BP神经网络和遗传算法的文本分类算法,根据遗传算法能够快速优化网络权重以及摆脱BP算法局部极点困扰的能力,提出一种改进的遗传算法确定网络拓扑结构和训练网络的方法．最后对设计的分类器进行了开放性测试,实验结果表明该分类器显著地提高了文本分类的查全率和查准率．     

BP神经网络在工程测井反演中的应用研究

BP神经网络是一种涉及计算机科学、生物学、认识科学、物理学和数学等多门学科的一门崭新信息学科。经过多年的探索和研究,BP神经网络在岩土工程测井反演中有广泛的应用前景。本文介绍了BP神经网络以地震数据为输入,测井参数为输出的多井多参数非线性反演的基本理论基础和实施策略,并结合具体的岩土工程实例,说明BP神经网络在工程中取得了很好的应用效果。     

刚性路面结构参数反演弯沉盆衍生指标法综合分析

为解决刚性路面结构参数反演方法的适用性问题,综合分析刚性路面结构参数反演中3类代表性的弯沉盆衍生指标法.在系统梳理弯沉盆面积指数法、惰性点法、弯沉盆重心距离法的模型体系的基础上,采用理论数值分析的方法,定量分析3类衍生指标的规律特性,并从工程适用的简单、易操作性出发,提出惰性点法的计算图表和弯沉盆面积指数法及重心距离法的回归公式.以典型的刚性道面结构形式为例,对比分析3类弯沉盆衍生指标法的参数反演结果的准确性和鲁棒性,检验所提出模型或图表的有效性.计算结果表明:提出的计算图表或公式大幅简化了参数反演中衍生指标的计算,3种衍生指标法的参数反演结果存在明显差异,弯沉盆重心距离法充分利用各测点的信息并以拟合误差最小化为原则,显著提高参数反演的精确性和鲁棒性.     

一种基于混合遗传算法学习的过程神经网络

提出了过程神经网络的一种学习算法.利用基函数的正交性,将输入函数和网络权函数表示为同一组正交基的展开形式后,使用遗传算法与BP算法结合的混合遗传算法训练过程神经网络,为简化计算,对权值基函数的选取和离散数据的函数拟合方法进行了调整,减少了误差.并以木材生长密度预测为例,验证了算法的有效性.     

基于遗传-BP神经网络预测单桩竖向承载力

在遗传算法改进BP神经网络的基础上,利用遗传算法的全局优化能力和BP神经网络的较强的高次非线性能力和自学习能力,建立预测单桩竖向承载力的遗传—BP神经网络模型。通过利用济南地区现场试桩资料对该模型进行训练和检验,证明本文所建立的遗传—BP神经网络预测模型预测精度高,适用性强,可以作为桩基工程设计和理论研究的参考计算工具。     

改进BP算法在过程神经网络中的应用

过程神经网络是一种基于过程神经元的新型神经网络,其输入及权值皆为时序函数.针对基本BP算法的一些不足,将一种改进BP算法应用于前馈过程神经网络的训练之中,提高了网络的学习效率,扩展了过程神经网络的训练算法理论.在改进BP算法与网络训练的结合过程中,权函数及输入函数皆被用同一正交基函数展开.最后基于改进BP算法将过程神经网络应用于了飞机发动机尾气温度指数的预测当中,验证了算法的有效性,同时也展示了过程神经网络广泛的应用前景.     

Proton exchange membrane fuel cells modeling based on artificial neural networks

To understand the complexity of the mathematical models of a proton exchange membrane fuel cell (PEMFC) and their shortage of practical PEMFC control, the PEMFC complex mechanism and the existing PEMFC models are analyzed, and artificial neural networks based PEMFC modeling is advanced. The structure, algorithm, training and simulation of PEMFC modeling based on improved BP networks are given out in detail. The computer simulation and conducted experiment verify that this model is fast and accurate, and can be used as a suitable operational model for PEMFC real-time control.     

基于静力应变及遗传优化神经网络的城市立交桥梁损伤识别

应用遗传算法优化神经网络的权值和阈值,选取静力应变变化率为神经网络输入参数,以结构的易损截面为研究对象,提出了用于城市立交桥梁的损伤识别方法。以长春市前进大街立交桥左辅道桥为数值模型,对该方法的损伤位置及损伤程度识别能力进行了研究。模拟结果表明:该方法能够对结构单位置及多位置损伤进行成功的定位;对测试样本的损伤程度识别误差在3%以内,且其内插能力要优于外推能力。     

基于遗传神经网络的语音信号盲分离算法

通过分析基于神经网络的经典盲分离算法具有容易陷入局部极小点,从而导致收敛速度慢和分离效果不准确的缺点,本文首先利用遗传神经网络算法对分离权值进行初始化,然后通过选择操作、交叉操作和变异操作,进行样本训练控制,在整个搜索空间进行搜索,得到分离矩阵最优值,最后实现了语音信号的盲分离。实验表明：该算法具有分离速度快、效果明显等特点。     

前向神经网络学习算法研究

利用优化算法中的信赖域法,选取了合适的计算模型,并具有全局收敛性、收敛快速性。BP网络学习算法对异或问题、逼近问题进行的具有统计意义的仿真,表明了该算法的有效性及对样本数量变化不敏感的特性。     

基于遗传算法与神经网络相结合的区域水资源承载力综合评价

在遗传算法与误差反向传播网络（BP网络）结构相结合的基础上，提出了利用改进的遗传算法优化神经网络进行水资源承载力综合评价的新方法，将该方法应用于淮河流域水资源承载力综合评价，实例表明是可行的，为水资源承载力定量分析开辟了新的途径．     

基于神经网络的交流伺服系统快速混合算法控制

标准的ＢＰ算法的最大局限在于：它不能保证收敛于神经风络总误差函数的全局最小点，而且由于“贪婪”的固定步长的最陡下降算法，有时连局部极小点也达不到。本文采用一种混合算法：将修正的快速ＰＩＤ型ＢＰ算法与Ｓｏｌｉｓ＆Ｗｅｔｓ随机最优化方法相结合，实现快速的、在有限迭代次数内达到全局最小的神经网络ＢＰ算法，并由此而构成控制顺应用于交流伺服驱动系统的控制。仿真结果证明该方法可以达到预期的目的，具有快速性、全