误差反向传播神经网络模型的改进及其应用

针对误差反向传播神经网络模型(BP模型)学习收敛速度慢、容易陷入局部极小点等缺点，提出原始数据的非线性规格化函数、记忆式初始权值、阈值和参数自动优选等方法，对BP模型进行改进。结合陆浑水库大坝沉降实测资料的分析，编制了改进后的BP网络算法程序。分析结果表明，改进后的BP模型对于提高网络运行收敛速度、防止陷入局部极小点、克服手工调试参数的盲目性、提高模型精度等都有较大的改善作用。     

两类模型在大坝变形监测资料分析中的应用

结合某大坝变形监测资料，在定性分析的基础上，分别应用常规统计模型和改进BP模型建立了测值预报模型，分析论证了两种分析方法的异同，重点说明了BP网络的改进方法和注意事项，得出了一些重要结论。     

水电工程监理评标BP网络模型研究

为了使水电工程监理评标规范化、科学化，基于BP人工神经网络理论，并结合监理评标工作的特点，建立了监理评标BP网络模型。考虑到BP模型的误差反向传播算法容易陷入局部极小点，以及会出现收敛速度慢等问题，对模型训练的计算方法进行了改进。将所建立的评标模型应用于实际，并对模型的学习能力进行了检验，结果表明，该模型精度较高，具有较好的适用性。     

基于改进BP神经网络模型的区域农业灌溉用水预测研究

传统BP神经网络模型局部易出现收敛,在模型求解过程,易出现求解不收敛的缺陷.为此引入小波分析函数对传统BP神经网络的节点计算进行改进.并将改进的BP神经网络模型运用于农业灌溉用水预测中,研究结果表明:改进的BP神经网络模型改变了局部易收敛的缺陷,模型求解更为合理.在农业灌溉用水预测精度上也明显好于传统的BP神经网络模型.     

改进BP网络模型在径流预测中的应用

为了克服传统BP网络模型在训练过程中部分参数难以快速准确拟定的缺点,利用免疫粒子群算法对BP网络模型中隐含层节点数、最大训练次数、学习效率、动量因子等参数进行决策优选,建立了基于免疫粒子群算法的改进的BP网络模型。通过应用于某水电站水库的入库径流预测,结果表明,与传统BP网络模型相比,利用改进的BP网络模型所得的径流预测结果更准确。     

人工神经网络在电力系统静态安全域分析中的应用

基于求解非线性优化问题的扩展Hopfield模型，分别计算出电力系统不同运行状态下的静态 域，进而提出用一BP模型来映射这种关系。通过使用该BP模型的一种改进算法，可方便地计 算任意运行状态下的安全域，使其能够满足实时分析的要求。     

神经网络模型在水文模拟中的应用研究

针对传统BP神经网络模型存在收敛精度不高,引入小波函数对传统BP神经网络模型节点计算方法进行改进,并将改进的BP神经网络模型用于大洋河水文模拟研究中。研究结果表明:改进的BP神经网络模型可改变传统神经网络模型的收敛精度,在大洋河流域洪水尺度水文模拟中,相比于传统BP神经网络模型,模拟精度得到明显提高。     

主成分-BP组合模型在坝顶位移监控中的应用

在大坝位移监控中,主成分分析和BP神经网络方法运用较广,建立两种方法的组合模型,可以结合两种方法的优势,利用主成分分析消除坝顶位移预测中多重相关性给模型带来的不利影响,利用BP网络可通过自组织、自学习和高容错性等功能解决复杂非线性问题。通过实例计算可知,组合模型精度能够达到要求,可以推广应用。     

基于DGA的BP神经网络及其在一维河网模拟中的应用

考虑到BP神经网络的计算精度和稳定性依赖于初始权、阈值,首先对标准遗传算法进行改进,然后用改进的遗传算法优化BP神经网络的初始权、阈值。将遗传算法和神经网络结合起来建立河网BP模型,把实测资料或者水动力数学模型的计算结果作为学习样本对模型进行训练。将河网BP模型运用于西江三角洲河网,发现该模型与水动力模型的计算结果吻合较好,表明优化后的BP网络用于河网水力模拟是可行的。     

地下水文预测中BP网络的模型结构及算法探讨

本文探讨了人工神经网络中不同BP网络结构和算法在区域地下水文预测中的应用，实例比较了不同层次结构、学习速率、隐层单元数及不同算法等对收敛效果、模拟预报结果的影响。提出了一些BP模型的设计应用技术，即学习速率的取值范围与BP网络层数有一定关系，层数多，稳定区间较小，一般学习速率取值为0.01～0.1。快速BP算法从训练速度，收敛精度等方面均优于普通BP算法，可作为改进BP算法之一。在此基础上根据黄河河套灌区多年的水文、气象和地下水信息，对灌区多年的年地下水埋深变化进行了模拟，预测了河套灌区节水工程实施后未来灌区地下水位下降的趋势，为大型灌区节水工程改造与BP模型在区域地下水文中的应用提供了参考。     

基于改进BP神经网络模型的苏帕河流域梯级电站水质综合评价

引入人工神经网络（ANN）理论，提出了水环境质量综合评价的改进BP神经网络模型，并编制了相应的程序。将模型运用于苏帕河流域梯级电站水质综合评价中，结果表明改进的BP神经网络模型通过变步长法和加入动量项的方法不仅可以减少训练的次数，避免网络训练陷入平坦区，还可以提高网络的精度，减小全局误差。与传统评价方法相比，本模型全面考虑多种因素，评价结果更为客观、合理；相应所开发的评价系统适应性强，通用性好，简单易用，具有优越性。     

带偏差单元的递归神经网络及其运用

近年来人工神经网络（ANN）在水文预测和水文分析中的应用越来越多，其中BP网络的应用尤为广泛，不少学者提出了很多基于改进算法的BP网络。通过研究，从改进网络结构出发，首次建立了带偏差单元的递归神经网络，并将它用于径流预测。应用实例表明，该结构的网络模型，通过改进网络结构，能很好地克服原BP模型收敛速度慢，网络学习，记忆不稳定等缺点。拟合，预报精度较原BP模型均有较大提高。     

基于BP神经网络的区域地下水位动态预测

地下水系统是一个高度复杂系统，地下水位与其影响因素之间存在非线性映射关系，人工神经网络则是处理非线性问题的有效方法。把影响区域地下水位动态的5个主要因素作为网络输入向量，地下水位本身作为网络输出向量，采用快速BP算法构造地下水位动态预测的BP神经网络模型，最后将该模型应用于河套灌区义长灌域地下水位动态预测。结果表明，BP神经网络用于区域地下水位动态预测时有较高的精度。     

改进的BP神经网络模型在辽宁中部河流水质预测中的应用研究

本文采用改进的BP神经网络模型对辽宁中部某河流水质进行预测。结果表明:改进的BP神经网络模型引入横向和纵向伸缩修正系数对模型梯度函数进行改进,提高传统BP模型收敛和计算精度。在区域河流水质预测精度明显好于传统模型,预测的河流水质总氮指标值相对误差均值明显减少,月尺度过程相关系数有较大提高。     

改进模糊神经网络模型及其在大坝监测中的应用

鉴于传统模糊神经网络计算繁琐、模型精度较低、难以收敛等问题,在大坝位移的监测数据分析中应用改进的模糊神经网络及改进的反向传播(BP)网络算法,并建立了相应的网络模型.大量的数据分析计算表明,该模型收敛快,且精度优于常规的模糊神经网络和传统的统计模型.     

BP-ANN模型在井灌水稻区地下水埋深预测中的应用

利用改进的BP算法，对三江平原创业农场进灌水稻区月平均地下水埋深进行了模拟仿真，网络拟合精度与预测精度均达到满意效果。BP－ANN模型为节约地下水开采量，恢复该地区的地下水动态平衡、制订农作物优化灌溉制度，促进农业及水资源的可持续发展提供参考作用。     

大坝变形观测资料分析的组合模型

大坝变形观测资料分析对大坝安全维护有极其重要的意义，灰色分析、回归分析和时间旬分析技术是根据大坝变形序列特征，采用数学手段逐步提取趋势、周期、随机３种成分，对不同的成分分别建立不同的模型，从而构成了一种组合模型，它可较客观地描述大坝运行工况，拟合精度较高且有直接预报功能。模型不易受少数错误观测值干扰，对含有特异值的大坝变形观测序更分析是非常有利的。该模型已得到了应用，其结果与为生产单位采用。     

自适应遗传算法优化管网状态估计神经网络模型

针对遗传算法收敛速度慢、传统BP算法易收敛于局部最优以及网络结构难以确定等问题，引进自适应遗传算法优化网络的权阈值以搜寻网络最优拓扑结构，并利用自适应遗传算法优化该网络的权阈值，建立基于改进BP网络的宏观管网状态模型．实例分析表明，改进模型具有较高的预测精度。     

应用改进BP网络对潼关高程的预测

作者在分析了影响汛前和汛后潼关高程变化值的因素的基础上，利用改进BP网络模型对非特征汛期和汛期潼关高程的变化值进行了计算。计算中不采用潼关的绝对高程，而用高程的变化量作为网络的较出物正量，从而减少计算误差，同时又能客观地考虑各影响因子的作用。改进后的BP模型学习时间短，精度满足要求。用该模型计算的潼关高程变化趋势与实际水库调度运行中的高程基本吻合。     

基于改进粒子群优化算法的BP神经网络在大坝变形分析中的应用

BP神经网络以其对非线性系统的强大映射能力而被广泛应用于模糊性、随机性强的大坝变形预测分析中。传统的BP神经网络由于初始权值和阈值的随机性,容易导致网络在训练过程中极易陷入局部最小值,同时存在网络收敛速度慢等缺点。针对传统算法的不足,采用改进的粒子群算法(IPSO)对BP网络的初始权值和阈值给予优化,建立大坝变形预测的IPSO-BP模型,并与PSO-BP网络模型进行对比。结果表明,改进的IPSO-BP模型具有收敛速度更快、预测精度更高的优点。该方法可供大坝安全监测和预警分析参考。