基于敏感性分析及BP神经网络的水工结构模型材料研究

模型材料是水工结构模型试验成功的关键,但其制备方法较为依赖经验、成本较高,且试验数据利用率较低.为此,采用单因素敏感性分析方法分析了胶凝砂砾石模型材料弹性模量的影响因子,并基于敏感性分析结果利用Matlab建立了 BP神经网络预测模型.预测检验结果表明,水工结构模型材料的弹性模量对拌合水量和石膏量最敏感,其次是重晶石粉...     

基于灰色关联度和BP神经网络研究生物质热解产气特性

首次使用灰色关联度知识,用理论和数据分析了影响生物质热解产气率和产气热值的各种因素的程度大小:热解终温>物料特性(主要是挥发份)>加热方式>填实率>物料粒径。基于回归模型的预测精度不高,采用3层改进BP神经网络方法,以热解终温、物料、加热方式、填实率和物料粒径作为输入项,建立了生物热解产气率和产气热值的模型。并使用该模型预测4个不同热解实验的产气率和产气热值,最后预测值的相对误差分别为:7 30%和4 50%,证明网络的预测结果较好。     

基于小波分析和灰色BP神经网络的滑坡位移预测

滑坡位移时间序列预测对滑坡灾害预警和防治具有重要意义。滑坡位移时间序列具有高度的非线性特征,含有大量噪音且采用常规非线性模型难以准确预测。对此,提出基于小波分析(WA)—灰色BP神经网络的滑坡位移预测模型。该模型先采用小波分析法将滑坡位移时间序列分解为不同频率分量的滑坡子位移,然后采用灰色BP神经网络对各滑坡子位移进行预测,在此基础上将预测得到的各子位移值相加,最终得到预测出的滑坡位移值。以GPS监测获得的郑家大沟滑坡#1监测点的位移时间序列为例,采用WA-灰色BP神经网络模型对其位移进行预测,并与WA-BP神经网络模型及未进行小波分析的单独灰色BP神经网络模型进行对比分析。结果表明,WA-灰色BP神经网络模型准确预测出郑家大沟滑坡#1监测点的位移值,且具有比WA-BP神经网络模型和单独灰色BP神经网络模型更高的预测精度。     

均匀设计在地裂缝参数敏感性分析中的应用

为研究参数不确定性对于地裂缝扩张及发展的影响,利用FLAC~(3D)建模,模拟在地裂缝两侧土体不同时抽取地下水情况下地裂缝变化情况。以地裂缝两侧水平位移、垂直位移、地裂缝活动量为参数敏感性分析的目标,并通过均匀设计法对断裂粘聚力、断裂内摩擦角等5个参数进行了多次交叉运算,快速准确地判断了参数敏感度大小。研究表明,参数变化对地裂缝活动量及上盘垂直位移影响较大;内摩擦角为影响地裂缝最敏感的因素。研究结果为今后地裂缝的治理提供了参考依据。     

基于灰色BP神经网络的道路交通事故死亡率预测

建立基于灰色BP神经网络的道路交通事故死亡率预测模型,并为其编制Matlab程序。将该模型与GM(1,1)模型进行比较分析,结果表明灰色BP神经网络能更好地预测道路交通事故死亡率。     

基于BP神经网络的面板堆石坝参数反演分析

高面板堆石坝的有限元计算分析中本构模型与模型参数的选取至关重要,尤其模型参数的选取与实际参数存在一定的差异性。根据面板堆石坝的特点,结合实测资料,基于BP神经网络选用合理方法构造参数训练样本,并给出了参数反演步骤,对坝体主、次堆石区的邓肯E-B模型参数反演与三维有限元进行了比较分析,计算结果与实测资料较为吻合。     

基于灰色关联和ABC-BP神经网络的叶绿素a浓度预测

为预测太湖梅梁湾叶绿素a浓度,建立了基于灰色关联和ABC-BP神经网络的叶绿素a浓度预测模型,即通过灰色关联分析选取总磷、CODMn、水温、pH值、悬浮质为BP神经网络的输入变量,采用人工蜂群(ABC)算法优化网络权值与阈值,构造基于ABC算法优化的BP(ABC-BP)神经网络模型,预测出2014年1月?2015年12...     

基于正交试验—蒙特卡罗法的边坡破坏概率研究

研究边坡稳定性的影响因素对边坡治理具有重要意义,提出将正交试验法和蒙特卡罗法相结合,确定影响边坡稳定性的主要因素及其相应影响程度。首先采用正交试验法分析各相关因素对边坡稳定性影响的敏感性,给出影响因素的排序,以得出稳定性主导因素;然后考虑次要因素的随机性,运用蒙特卡罗法进一步研究边坡在主要因素作用下失稳破坏的概率,并揭示主要因素对边坡稳定性的影响规律。以某边坡为例,研究了地震、库水位、岩土体内摩擦角和粘聚力等4个因素对边坡动力稳定性的影响。结果表明,对该边坡稳定性的影响由大到小排序依次为地震、库水位、内摩擦角、粘聚力;边坡破坏概率随地震水平加速度系数或库水位的增加而逐渐增大,当地震、库水位叠加作用时,边坡极度危险。研究成果可为边坡支护方案选择提供依据。     

基于BP神经网络的球磨机磨矿浓度的预测分析

对球磨机磨矿过程的能耗进行分析,并利用灰色系统关联度分析法分析影响能耗因数,找出主要影响因数,通过BP神经网络建立球磨机磨矿浓度预测模型对磨矿浓度进行预测,对于降低球磨机能耗、解决冶金企业能耗问题具有一定的指导意义。     

基于灰色关联度与BP神经网络的清河水库总氮浓度预测模型

为了实现清河水库总氮浓度的预测,建立了基于灰色关联分析的BP神经网络水质预测模型(GRABP),即采用灰色关联度的方法,选取总磷、挥发酚、化学需氧量、pH值、氨氮五项水质指标作为BP神经网络总氮预测模型的输入变量,根据五项最优影响因子与总氮浓度的对应关系,对模型进行了训练,并将训练好的模型应用于2016年8~12月的总氮浓度预测中。结果表明,GRA-BP网络模型较BP网络具有较高的预测精度,预测的相对误差均在5%以内,可为清河水库的水质管理提供科学的指导。     

基于BP-Garson组合模型的堤岸稳定影响因素敏感性分析

鉴于确定各因素(土体强度因素、边界几何因素)影响堤岸稳定的显著程度对研究堤岸失稳的重要意义,采用BP神经网络与Garson算法相结合的方法,对影响堤岸稳定的土体粘聚力、土体内摩擦角、坡高、坡比、墙前水位、墙后水位、墙后荷载7个因素进行了敏感性分析,先利用BP神经网络对非线性映射逼近能力强的优势,建立了影响因素与安全系数间的相关关系,再通过Garson算法,确定了各影响因素对安全系数的贡献量,最终确定了各因素影响堤岸变形的主次关系,为堤岸稳定影响因素敏感性分析提供了一种方法。     

基于BP和Elman神经网络的压气机特性的计算

采用BP神经网络和Elman神经网络对某型轴流式压气机进行了特性计算,分析了这两种神经网络在压气机特性计算方面的不同之处,结果表明BP神经网络和Elman神经网络在样本数据内插值预测的情况下都可以获得比较理想的精度,而在需要样本数据外插值预测的情况下,Elman神经网络利用逐步外插法,通过增加样本点的方式,具有更好的泛化能力。     

基于灰色BP网络的城市生活垃圾日产量预测模型研究

通过对灰色BP神经网络模型的分析与研究,给出了灰色BP神经网络的建模方法,建立了基于灰色BP神经网络的城市生活垃圾日产量预测模型,通过一组历史数据分别对GM模型和灰色BP神经网络模型进行了验证,得到了灰色BP神经网络的预测效果要比单纯的灰色预测模型精度要高的结论,本模型是研究通过少量数据进行预测的一种新方法。     

基于BP神经网络的电缆故障测距算法设计

电力电缆线路作为城市负载的重要线路近年来以逐渐发展成为主要电能传输工具,尤其是地铁、综合行政区域,现阶段,电力电缆线路无论是技术制造还是安装技术都较为成熟,不同于架空线路,一旦电缆线路故障,快速恢复线路运行极为重要。本文从电力电缆线路发生故障时线路参数以及特征出发,对狼群算法进行优化,结合实际故障参数以及BP神经网络算法对电力电缆线路进行综合评判,通过不断修正BP神经网络算法参数,最终达到优化电缆故障测距算法的目的,实验证明,该算法具有良好的故障测距精度以及稳定性。     

基于BP神经网络的水电站电气设备故障诊断

阐述BP神经网络应用在水电站电气设备故障诊断中的目的,通过查阅文献并结合专家经验,构建了电气设备的故障诊断知识库,并建立神经网络模型。最后,以一个故障诊断实例进行具体分析,验证BP神经网络的可行性与优越性。     

基于小波分析的BP神经网络潮水位预测方法

分析了潮水的特性,提出了基于小波多分辨分析的BP神经网络潮水位预测方法。通过小波分解与重构技术,将潮水位序列分解成不同层次,得到趋势项、周期项和随机项,利用BP神经网络对每一项进行预测,最后再重构得到原潮水位序列的预测值。实例验证,基于小波分析的BP神经网络潮水位预测方法比单独用神经网络对潮水位进行预测更有效。     

基于主成分分析和BP神经网络的能源供需安全研究

基于主成分分析法,运用Matlab7.0软件中的BP神经网络工具箱对1985～2007年我国的能源供需安全状况进行了训练及测试.测试结果表明,主成分分析与BP神经网络的结果较吻合,BP神经网络运用于能源安全领域可行、有效.同时,得出自1985年以来我国能源供需安全状况大体上逐年提高,从2005年开始大幅提高,但仍未摆脱较差的境地,未来前景不容乐观.     

基于BP神经网络的煤粉锅炉飞灰含碳量研究

飞灰含碳量是反映电站煤粉锅炉燃烧效率的一个重要指标。基于误差反向传播（BP）神经网络方法,建立了11-23-1型BP神经网络模型。根据某电站四角切圆煤粉锅炉特点选取了煤粉细度、燃烧器摆角、烟气含氧量、5个煤种参数、燃烧器喷口运行组合等11个影响燃烧的参数作为神经网络的输入因子,对建立的模型进行训练,得到模型参数。以此进行预测,与实际值的误差不超过6％。在此基础上,又提出了单参数影响飞灰含碳量的简化分析方法,使神经网络包含的多维非线性规律在一定条件下简洁、直观地反映出来。计算和分析结果表明,本模型方法能有效提取各参数对飞友含碳量的影响规律,可用于锅炉飞灰含碳量的分析、预测和优化调节。     

基于改进型BP神经网络的火电机组初压优化

将先验知识和理论分析与热耗率相关联的参数作为BP神经网络的输入层参数,用灰色关联度模型进行验证;对比改进型BP神经网络与标准BP神经网络,发现改进型BP神经网络在收敛速度和误差方面比标准BP神经网络好。应用改进型BP神经网络建立起某600MW火电机组的历史数据边界参数与热耗率的非线性映射。在可行初压范围内找出了各机组负荷下的最优初压,绘制出最优初压曲线,为操作人员提供指导。     

基于灰色关联分析法的BP神经网络预测机械通风冷却塔出水温度研究

通过灰色关联度分析法对影响冷却塔出水温度的10项参数进行筛选,确定以进水温度、循环水量、冷却塔运行台数、环境湿度、环境温度、风机运行频率和风机运行台等7项权重占比高的因子作为输入层,根据Kolmogorov定理得出5个神经元的隐含层,以冷却塔出水温度为输出层,以100组实验数据为样本,进行三层结构的BP神经网络预测模型构建。结果显示：预测值与实验值吻合良好,相关系数为0.987 49,平均相对误差(MAE)为0.33%,均方根误差(RMSE)为0.014 5,该模型可以有效预测该实验冷却塔在不同条件下的性能特征。