共查询到19条相似文献,搜索用时 203 毫秒
1.
2.
3.
4.
5.
RBF神经网络具有很强的非线性并行处理能力和泛化能力,并且有很快的学习收敛速度,不易陷入局部极小,在边坡稳定性评价中已得到广泛的应用.但其过分依赖于隐含层数据中心的选取是否合适,故引入模糊-C均值聚类(FCM)算法对其进行优化.以122组边坡样本作为样本总体,其中1~114组为训练样本,115~122组为测试样本,运用FCM算法在边坡训练样本中初选多个RBF网络的数据中心,在此基础上运用正交最小二乘法(OLS)训练网络,利用训练后得到的回归矩阵信息在初选结果中重新选择RBF网络的数据中心,从而使数据中心得到优化,简化了RBF神经网络的结构.将优化后的RBF神经网络应用到边坡测试样本的安全系数的预测中,得到较高的预测精度.该方法加快了RBF神经网络的训练速度,提高了运算速率,与传统的BP网络进行比较,进一步证明RBF及其学习算法的优越性和实用性. 相似文献
6.
7.
8.
瓦斯水合物生成是复杂的结晶过程,不同组分和浓度瓦斯生成水合物时压力等热力学参数的获取对水合物技术的应用具有非常重要的意义。鉴于此,利用径向基神经网络方法对瓦斯水合物生成压力进行了预测。针对瓦斯水合物生成边界条件,确定了RBF神经网络的输入、输出向量,建立了RBF神经网络瓦斯水合物生成压力计算及预测模型,并用实验数据进行了验证。结果表明,该模型对瓦斯水合物生成压力的拟合和预测具有计算精度高、速度快等优点。RBF神经网络研究为瓦斯水合物生成压力预测提供了一种新途径。 相似文献
9.
为了能够准确地预测出离心泵的性能参数值,利用了径向基函数神经网络(RBF)建立对其进行性能预测的神经网络模型,可以研究离心泵的流量,叶片出口安装角,压力比和效率之间的神经网络与预测关系。利用MATLBA软件实现了RBF神经计算,分别对离心泵的压力比和效率进行了性能预测,预测效果表明,RBF神经网络的计算模型可以提高预测效率和预测精度。 相似文献
10.
岩爆是煤矿生产中常见的动力灾害,岩爆的预测一直是矿井灾害预测中的难点。由于岩爆的发生突然、机理复杂、干扰和影响因素多,因此很难对岩爆进行有效的预测。人工神经网络具有并行分布处理与存储、高度容错、自组织、自适应和自学习功能,能分析较为复杂的非线性系统。文中以MATLAB7.0为开发环境,利用其神经网络工具箱的RBF网络,通过一套权值和阀值来仿真模拟岩爆对岩爆进行预估。通过实际模拟表明利用RBF神经网络对岩爆进行预估是一种成功的的方法,其预测结果与实际情况相一致,说明利用该网络模型对岩爆的预测是可靠的。 相似文献
11.
针对传统监测方法无法实现提升机减速器工况预测的缺点,利用Matlab神经网络工具箱建立了提升机减速器工况参数的预测模型。对比模型预测值和实际测量值表明:BF和RBF神经网络模型预测结果和实际值的误差均小于10%,证明了神经网络模型用于减速器工况预测的可行性。对比BP和RBF神经网络预测结果,表明RBF神经网络模型训练时间短,预测精度高,更加适用于井下提升机减速器工况参数预测。 相似文献
12.
在简要分析常用储量计算方法与BP神经网络预测方法存在缺陷的基础上,分析了径向基神经网络隐层节点参数在映射机理上与地质统计学方法理论上的一致性,以及其权系数能解析方式求解、可避免网络训练过程陷入局部最优乃至不收敛现象的特征,提出了构建径向基函数神经网络进行矿床品位估值模型的研究思路。通过多方案分析,得出了待估点三维坐标及周围样品点个数是影响径向基函数神经网络模型估值精度的主要因素,给出了输入节点变量空间的基本配置方式--3个坐标加周边8个样品点品位。针对实际工程中样品空间较大的特征,分析了隐层中心、宽度等参数需根据输入变量自适应构造的必要性,以及利用正则化正交最小二乘的前向选择法的可行性。利用开发的具备用户自定义和交互式输入参数的计算机软件,构造了两种不同的品位估计模型。验证试验表明:基于样本空间自适应构建的径向基函数神经网络,建模速度快、可靠性强,平均估值误差最大为309%,且正则化参数对模型的估值精度影响较大,考虑了该参数的模型估值效果更好。 相似文献
13.
由于经典RBF神经网络中的隐含层节点数、连接权值等结构参数基本由经验获取,因此经典RBF神经网络模型的性能取决于建立模型专家的主观性,存在一定的盲目性和随机性,难以对巷道变形进行准确预测。为此,采用贝叶斯阴阳和谐学习算法对经典RBF神经网络模型的隐含层节点个数、连接权值等结构参数进行了优化,提出了一种基于改进RBF神经网络的巷道变形预测模型,即对角型广义RBF神经网络模型。采用潞安和兖州矿区的综放回采巷道的现场长期监测数据分别对经典RBF神经网络模型以及对角型广义RBF神经网络模型进行了试验分析,结果显示:①对巷道顶底板变形进行预测时,对角型广义RBF神经网络模型的准确率约92.2%,经典RBF神经网络模型的准确率约80.6%;②对煤帮变形进行预测时,对角型广义RBF神经网络模型的准确率约90.2%,经典RBF神经网络模型的准确率约78.6%。上述试验结果表明,对角型广义RBF神经网络模型对于巷道变形预测的精度明显优于经典RBF神经网络模型,对于高精度巷道变形预测有一定的参考价值。 相似文献
14.
15.
16.
17.
露天矿爆破是一个受诸多因素共同影响的系统工程,是露天开采的重要环节之一,其爆破效果的优劣直接影响后续工序的完成。提高爆破技术水平和爆破质量,对矿山安全和生产具有重要的意义。本文通过随机森林选择影响爆破效果的主要参数,结合模糊评价确定爆破综合效果,建立了RBF神经网络爆破效果预测模型。将该模型应用于矿山爆破效果预测中,并将爆破现场实测的11组数据作为模型训练样本,另外5组现场数据作为预测样本进行测试,通过与BP神经网络比较,发现RBF神经网络的预测性能更为优越,可广泛应用于现场实践中。 相似文献
18.
19.
尾矿坝监测数据分析的RBF神经网络方法 总被引:1,自引:4,他引:1
尾矿坝监测是保证尾矿坝安全运行的重要手段之一。建立了尾矿坝监测数据分析的RBF神经网络模型,并利用实际数据对此网络进行了训练和检验。最终将其检验结果与经过优化设计的BP神经网络的检验结果进行了比较,表明RBF神经网络的性能更为优越。 相似文献