基于遗传BP神经网络的磁流变悬置模型辨识

为克服误差逆向传播算法的多层前馈型BP神经网络收敛速度慢、局部极小化问题,提出用遗传算法(GA)的全局搜索能力寻求最优的BP神经网络权值和阀值,以提高神经网络的收敛速度和克服局部最优。以磁流变液压悬置动态特性试验结果为数据样本,分别用未优化的BP神经网络和优化后的GA-BP神经网络对磁流变液压悬置正、逆模型进行辨识。结果表明,相对于BP神经网络,GA-BP神经网络具有更高的辨识精度、更快的收敛速度,在磁流变液压悬置数学模型辨识方面具备更优的性能。     

基于GA-BP神经网络的输油管道内腐蚀速率预测

针对BP（Back Propagation）算法的神经网络易陷入局部极小的缺点,尝试引入遗传算法（Genetic Algorithm）处理了BP神经网络的权值与阈值,并分别建立了BP和GA-BP两种不同算法的神经网络模型对输油管道腐蚀速率进行预测。对结果进行对比分析发现,GA-BP算法的神经网络预测精度要高于BP网络;GA-BP算法具有高的预测精度,其预测值与实验值相关系数为0.9863,表明该算法模型是合理可靠的。     

神经网络在GPS高程拟合中的应用

讨论利用遗传算法(GA)、粒子群算法(PSO)来优化BP神经网络权值和阈值的原理;结合平坦地区的工程实例,研究二次曲面、BP、GA-BP与PSO-BP 4种拟合模型在GPS高程拟合中的应用.拟合结果表明:PSO算法优化BP神经网络精度效果优于GA算法优化BP神经网络精度,拟合误差更小.     

长株潭城市群空气质量变化特征分析及预测

【目的】探讨气象因素与主要大气污染物的相关关系,研究空气质量的预测方法,为空气质量的监测、预警与调控提供一定的科学依据和参考。【方法】利用长株潭城市群23个国控监测点空气污染物日监测数据结果,研究2014—2019年长株潭城市群空气质量年份、季节、月变化特征及其对气象因素的响应,结合气象因素进行相关性分析,采用主成分分析(PCA)方法对13项气象数据进行降维处理,提取气象因素的综合评价指标,利用建立的BP神经网络、GA-BP神经网络、PSO-BP神经网络模型对长株潭空气质量进行预测分析。【结果】(1)长株潭城市群夏季空气质量较稳定,冬季空气质量稳定性最差,月平均值呈现“U型”分布状态。整体空气质量指数与平均气压呈正相关(P<0.05),与平均相对湿度、降雨量呈负相关(P<0.05)。冬季AQI变化受气象因素影响较小;(2)使用PSO-BP神经网络的预测值与实测值相关系数为0.996,平均绝对误差比BP神经网络、GA-BP神经网络分别减少90.50%、31.08%,均方误差比BP神经网络、GA-BP神经网络分别减少92.92%、17.15%。【结论】长株潭城市群PM_...     

基于GA-BP神经网络的某型装备作战效能评估方法

针对BP神经网络存在易陷入局部极小值的缺点,利用遗传算法全局搜索能力强的特点,对BP神经网络的权值和阈值进行优化,建立了基于GA-BP网络的某型装备作战效能评估模型,给出了实际数据的评估结果.实验结果表明:GA-BP神经网络的泛化能力、评估准确性比BP神经网络的效果更好,这为评估某型装备的作战效能提供了一种新的思路.     

基于灰色BP神经网络的沉降预测模型应用研究

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神经网络的建筑物沉降预测模型,通过工程实例数据分别对GM(1,1)模型和灰色BP神经网络模型进行验证,得到了灰色BP神经网络的预测效果要比单纯的灰色GM(1,1)预测模型精度要高的结论,本模型为解决建筑物基础沉降预测分析提供了一种新的方法.     

基于遗传神经网络沥青混合料抗车辙性能研究

动稳定度是评价沥青混合料在规定条件下抵抗塑性流动变形能力的指标,它的大小直观反映了沥青混合料抗车辙能力的强弱。介绍了BP、遗传算法(GA)优化BP两种神经网络,建立了沥青混合料抗车辙性能预估模型,并以此分别对沥青混合料车辙动稳定度进行预测,实验结果表明:基于遗传算法(GA)优化BP神经网络的沥青混合料动稳定度预测方法,能够使网络收敛速度加快并避免局部极小;GA-BP神经网络在收敛速度和预测精度方面均优于BP神经网络。     

运用GA-BP神经网络研究时间序列的预测

神经网络能以任意精度逼近非线性函数,以神经网络为基础的时间序列预测模型能很好地反映信息的非线性发展趋势。该文在分析传统BP网络缺点的基础上,用具有良好全局搜索能力的遗传算法来改进神经网络。详细讨论了GA算法的优化神经网络初始权值和阈值的思想和理论。在阐述预测方法同时,用具体例证分析了GA-BP网络预测的性能和特点。结果表明,基于GA-BP神经网络在预测精度和适应性方面高于传统的BP神经网络。     

遗传算法优化BP神经网络的说话人识别系统

针对BP神经网络收敛速度慢、容易陷入局部极小的缺陷,将遗传算法全局寻优的特点与BP神经网络相结合,利用遗传算法对神经网络的权值和阈值进行优化,构成一个GABP神经网络,有效地解决了BP神经网络容易陷入局部最优的问题。实验结果表明:相对于BP神经网络的说话人识别系统,基于GA-BP神经网络的说话人识别系统具有更快的网络收敛速度和更高的系统识别率。     

基于电性参数和GA-BP神经网络的砂岩孔渗预测

以地表岩性复杂的四川盆地为采样区,基于神经网络可解决电性参数与储层物性参数之间非 线性映射问题的优势性能,讨论低孔低渗致密储层的砂岩孔渗预测方法。 以密度、电阻率和极化率 等电性参数作为网络模型的输入参数,利用遗传算法(GA)对 BP 神经网络(BPNN)的权值和阈值进 行优化,进而建立并训练 GA-BP 神经网络模型。 与传统的多元回归法相比,GA-BP 神经网络模型 的孔渗预测实验结果更优。     

基于遗传算法优化神经网络的定位算法

为了减小非视距(Non Line of Sight,NLOS)误差对移动台定位精度的影响,提出一种基于遗传优化后向传播(Back Propagation,BP)神经网络的无线定位算法。先利用遗传算法优化BP神经网络的初始权值,再利用优化后的GA-BP神经网络修正到达时间差(Time Difference Of Arrival,TDOA)测量值,最后使用Chan氏算法确定移动台的位置,以避免由于神经网络初始权值的随机性所带来的网络震荡,克服网络容易陷入局部解的问题。仿真结果表明,新算法能够实现移动台的静态定位,并且性能优于传统BP神经网络与最小二乘(Least Square,LS)算法。     

应用GA-BP神经网络的生态工业园风险评价

由于生态工业园的结构和外界影响因素均存在很多不确定性,给系统的运行带来了很多风险,定量化分析生态工业园风险成为一个研究难题。提出了一种应用GA-BP神经网络的生态工业园风险评价方法。首先提出一套生态工业园风险评价指标体系,并对指标体系的二级指标进行了分析;然后考虑各个评价指标的非线性关联性,提出一种基于遗传算法优化BP神经网络的生态工业园风险评价方法,该方法利用遗传算法优化BP神经网络的初始权值,提高了BP神经网络的求解精度;最后在Matlab R2011b环境下对30组样本进行案例研究。仿真结果表明:应用GA-BP神经网络的评估方法能较好地评估生态工业园风险水平,与标准BP网络相比收敛速度更快,具有更好的全局收敛性。     

基于优化BP神经网络的TBM性能预测

由于隧道掘进机(tunnel boring machine,TBM)掘进速度与机器参数、岩体参数之间的非线性关系复杂,难以准确预测,为了构建可靠的TBM性能预测模型,分析TBM掘进速度的主要影响因素,提出应用模拟退火算法(SA)和遗传算法(GA)优化BP神经网络的TBM性能预测模型,并使用吉林引松供水工程的TBM数据库对GA-BP模型和SA-BP模型进行训练测试。结果表明,与传统BP神经网络方法相比,优化后的模型预测泛化性更好,且精度明显提高。优化后的BP神经网络能在一定程度上克服易陷入局部最优的缺陷,应用于TBM性能预测具有良好表现。     

降雨径流模拟神经网络模型及应用

针对水文系统的非线性,构建了基于遗传算法和人工神经网络的降雨径流模拟神经网络模型(GA-BP模型).采用附加动量法和自适应学习速率对BP神经网络进行改进,遗传算法用于优化神经网络的初始权重.以大别山及皖南山区月潭流域为例,将GA-BP模型、BP模型以及新安江模型应用于水文日径流过程模拟,进行应用比较以及分析GA-BP模型在水文径流模拟过程中的难点及其可行性.结果表明,GA-BP模型优化了网络结构,加快了算法收敛速率;可以用于降雨径流过程模拟,也为今后类似研究提供一种模拟技术.在实际应用中可以根据流域资料情况选择合适的模型进行水文模拟作业.     

基于BAS-BP模型的电缆阻水性评估研究

为准确评估电缆绝缘性能,提出一种基于BAS-BP神经网络的电缆阻水性评估模型。该模型针对不同型号电缆进行浸水试验,选取不同时间测得的各项数据作为评估指标,利用KPCA数据处理后输入模型进行评估,并与BP、GA-BP和PSO-BP三种模型进行对比分析,证明天牛须搜索算法优化BP神经网络对于评估电缆阻水性准确有效。     

基于GA-BP的混凝土抗压强度预测研究

研究如何利用BP神经网络建立多因子混凝土抗压强度BP预测模型。针对BP网络收敛速度慢和难以获得全局最优的缺点,提出利用遗传算法优化BP神经网络初始权值和阈值,建立混合GA-BP预测模型。模型以每立方混凝土中水泥、高炉矿渣粉、粉煤灰、水、减水剂、粗集料和细集料的含量以及置放天数作为输入参数,混凝土抗压强度值作为输出参数。...     

基于GA-BP算法的IRT模型参数估计方法研究

针对IRT模型的参数估计过程中传统的统计方法难以解决迭代初值要求严格等问题,提出利用遗传算法(GA)优化神经网络(BP)、共同求解IRT模型项目参数的GA-BP算法,提高收敛能力和求解精度。将GA-BP算法与BILOG算法进行对比,通过实验验证了GA-BP算法的正确性及合理性。     

BP神经网络在预测路基沉降中的应用

为了预测高速公路路基最终沉降量，首先依据影响软土路基沉降的因素选取参数建立了BP神经网络预测最终沉降量模型．结合成都一南充高速公路沉降实测资料及其它文献中大量路基沉降资料，利用BP神经网络预测了其各自最终沉降量．通过检验样本验证，预测精度较高，能够满足实际需要．并对BP神经网络在公路建设中的应用提出了一些注意事项．     

GA-BP神经网络在隧道监测数据处理中的应用

隧道施工中围岩的变形监测直接关系到隧道施工安全和工程质量,隧道变形监测是现代隧道施工中必不可少的环节,选择合理数据处理方法对现场所测到的数据进行处理显得尤为重要.用遗传算法优化了BP神经网络,克服了BP神经网络易陷于局部极值、收敛速度慢、依赖初值选择等缺陷,并将优化后的GA-BP神经网络运用于现场监测的隧道断面水平收敛时间序列数据的处理,提高了预测精度和计算效率.     

基于灰色BP神经网络组合模型的郑州市商品住宅价格预测

针对郑州市商品住宅价格问题进行了研究,在传统GM(1,1)模型的基础上引入BP神经网络模型,建立了灰色BP神经网络组合模型,采用传统GM(1,1)模型与灰色BP神经网络组合模型预测郑州市商品住宅价格.结果表明,灰色BP神经网络组合模型比传统GM(1,1)模型预测精度高,具有更好的应用价值.