基于GA-PSO-BP 的大坝变形监测模型

提出了一种基于GA-PSO 混合优化BP 神经网络的大坝变形监测模型, 将遗传算法(GA)和粒子群算法(PSO)的寻优过程进行融合, 利用GA 算法的全局性和PSO 算法收敛速度快的特点,通过迭代选取最优的粒子作为BP神经网络的连接权值和阈值,以减小网络输出误差, 提高其收敛速度和加强网络泛化能力。运用GA-PSO-BP 模型对大坝自动监测数据进行预测分析, 实验结果表明GA-PSO-BP 模型优化了BP 神经网络的连接权值和阈值, 能有效提高网络训练精度与收敛速度, 有效避免早熟收敛, 使模型的整体预测效果得到提高。     

基于BP神经网络的供应链风险预警研究

通过对供应链风险影响因素的分析建立了供应链风险预警指标体系,利用BP神经网络的自学习特性,反复修正模型的权值,不断减小系统误差,使系统的误差达到该模型要求的精度;然后根据网络输出结果,对网络各层的连接权值进行分析,对比连接权值的大小,找出产生供应链风险的关键风险因素。以河北省28条供应链为例,运用其中25组样本数据对该风险预警系统进行训练,另外3组数据进行测试,结果表明本模型对供应链风险预测的精度达到90%以上,通过网络权值分析可以找到更加切合实际的关键风险因素。     

基于改进遗传算法优化极限学习机的短期电力负荷预测

负荷预测效果直接影响电网的安全稳定和经济效益,是电网调度的重要组成内容。针对极限学习机随机产生输入层权值和隐含层阈值导致网络模型不稳定的问题,提出了一种基于改进遗传算法优化极限学习机的负荷预测方法。利用爬山法改进的遗传算法对极限学习机的权值和阈值进行优化,以获得稳定性强,预测精度高的优化模型。并将此模型与BP网络、极限学习机的预测结果进行对比,仿真实验结果表明,改进模型具有较快的训练速度和更为准确的预测结果,适应于影响因素众多,数据量巨大的现代短期电力负荷预测。     

BP神经网络在发动机万有特性中的应用

采用基于L-M算法的BP神经网络对某发动机万有特性进行研究.以发动机的转速和转矩作为BP网络的输入,将发动机燃油消耗率作为BP网络的输出,采用对中等规模前向神经网络具有最快收敛速度的L-M算法对BP网络的权值和阈值进行修正.利用已训练好的BP网络绘制万有特性曲线并得出用BP网络拟合发动机万有特性的一般步骤.     

基于BP神经网络的水处理污泥发热量预测

将BP网络与MATLAB软件相结合,建立了2个神经网络模型,通过权值初始化、输入学习样本、计算各层的输出、求各层反传误差、记录已学习过的样本个数、按公式修正各层的权值或阈值等步骤,分别根据水处理污泥的工业分析和元素分析对其发热量进行预测,比较分析了预测发热量与实测发热量的绝对偏差、相对偏差,评价了均方误差和相关系数.结果表明,该方法适合于水处理污泥发热量的预测,且优于经验公式.     

基于模拟退火算法的BP网络在水文水资源中应用

为使BP网络在训练过程中能够在不降低网络训练速度的前提下,避免陷入局部极小点,将模拟退火算法与BP网络结合起来,使用传统方法和模拟退火算法同时对权值进行修正,取得了较满意的结果.将网络模型应用于实际中,结果表明该模型是可行、有效的.     

基于神经网络的可控整流主电路故障诊断实现的研究

介绍了如何构建故障诊断目的的神经网络,模拟故障的实际采集数据和采用BP算法实现了神经网络的学习即神经网络的权值和阈值参数的确定,测试样本的输出结果表明构造网络的实用性和学习训练参数的正确性.     

基于神经网络的可控整流主电路故障诊断实现的研究

介绍了如何构建故障诊断目的的神经网络,模拟故障的实际采集数据和采用BP算法实现了神经网络的学习即神经网络的权值和阈值参数的确定,测试样本的输出结果表明构造网络的实用性和学习训练参数的正确性.     

基于PSO-Elman神经网络的短期电力负荷预测

为了解决BP神经网络在短期电力负荷预测中存在局部极小、收敛速度慢等问题,本文采用粒子群算法(Particle Swarm Optimization,PSO)优化Elman动态神经网络进行精准预测。根据输入输出参数个数确定Elman神经网络结构,利用PSO算法优化网络的权值和阈值,并将优化后的最优个体赋给Elman动态神经网络作为初始权值、阈值进行网络训练,从而建立基于PSO-Elman的电力负荷预测模型。采用某钢厂实测电力数据对该方法和模型进行验证,并与传统的BP、Elman网络模型预测方法进行对比,结果表明该方法和模型在有效缩短网络收敛时间的同时,具备更高的负荷预测精度和稳定性。     

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.     

神经网络建模在工程项目评标中的应用

评标是工程项目招标程序中极为重要的环节，利用BP神经网络的自学习、自适应和非线性逼近能力，研究了BP神经网络用于工程项目评标的原理与步骤，建立了评价指标体系，在此基础上构造了基于BP神经网络的工程项目评标模型，并以收集到的样本为例，对该模型进行了实证研究，表明了该方法的有效性。     

基于ANP的装备研制项目承包商综合能力评估模型

装备研制项目承包商综合能力评估是一个具有网络性的、多指标的复合体系,难以用常规的方法进行有效的评估。应用网络分析法（analytic net-work process,ANP）,考虑指标项间的相互关系,构造了包括元素以及元素组之间关系的超矩阵,建立了承包商综合能力评估模型,并通过实例进行了验证。     

大型建设工程项目满意度评价模型研究

随着我国大型工程建设项目数量增加,一系列涉及建设项目利益相关者的负面影响也随之凸现。因此,迫切需要对建设项目进行全面与客观的评价,以反映建设项目的综合满意度。文中提出了涉及到用户、投资者、业主、承包与供应商、政府以及项目周边组织在内的各利益相关者共19项指标组成的满意度评价指标体系,构建了具有强大的自适应、自组织、自学习能力及高度非线性映射性和泛化性特点的BP神经网络评价模型,并结合工程实例说明了具体应用。结果表明,该方法提高了建设项目满意度评价的可靠性和评价结果的有效性。     

DBB模式下基于网络平台的建设项目管理运作体系研究

项目信息门户是基于互联网技术为建设工程增值的重要管理工具,本文首先对DBB模式下建设项目的信息流进行了分析,然后主要对DBB模式下在项目信息门户这个网络平台上的文档管理、信息交流及协同工作三大核心功能的实施进行了研究。     

基于BP神经网络的工程项目风险评价

工程项目风险评价是工程项目管理的一个重要环节,将神经网络理论引入工程项目风险评价,建立了工程项目风险评价的BP神经网络模型,并通过实例对模型进行了验证。     

高职项目集群教学模式研究

“项目集群”是将学生引入真实情景中分析解决问题的教学模式,对项目集群推进式教学模式的理论、实施过程、考核方式等进行了详细研究,此模式可提升学生的综合能力,更好地培养优质人才,为深化职业教育的教学与课程改革提供了可资借鉴的方向.     

基于数字微流控生物芯片的液滴调度算法

改进并应用项目调度遗传算法解决了数字微流控生物芯片中液滴的调度优化问题。在给出该问题的有向图模型和数学模型的基础上,详细阐述了算法的编码、交叉、变异和评价等操作步骤。用真实的生物化验的操作步骤作为实例(多元体液的体外检验),对算法进行计算机仿真。实验结果表明,对于大规模的生物化验来说,该算法得到的结果最接近问题的最优解,可以求得一个既满足次序约束又满足资源约束的液滴最优调度顺序,其搜索性能优于与其对比分析的其他调度算法。对于数字微流控生物芯片的体系结构设计具有一定的理论和实际应用价值。     

一种PIP协同工作解决模式

利用PIP的项目协同工作功能，可以改变传统项目参与各方由于组织界限和空间位置造成的建设过程的“片断”特性，提高工程项目实施过程的效率和有效性。在深入分析了PIP以及项目协同工作应用的基础上，提出了基于Web服务的项目协同工作应用集成模型，该模型具有标准开放、开发代价低、跨平台、协作方便和松散耦合等优势，能够很好地满足项目协同工作应用集成需求。     

基于动态人工神经网络的投资银行风险预警

投资银行是金融体系的重要组成部分,从可量化监测的角度考察,选取了投资银行风险监测指标中包括市场风险、信用风险、流动性风险、资本风险在内的17个具体监测指标,构建了投资银行风险预警指标评价体系.运用基于数值优化的方法即L-M算法构建了基于前馈神经网络的投资银行风险预警模型.用训练好的BP神经网络模型,对检验样本进行了预测判别,结果显示出神经网络模型对我国投资银行风险具有较强的预测能力.     

网络管理信息模型质量定义及评价模型

基于网络管理信息模型的特点从信息模型作用、管理资源抽象和信息模型分层3个方面给出网络管理信息模型质量的定义,并以此为依据提出信息模型质量评价指标体系,同时建立以指标体系为核心,涵盖评价方法、评价过程和评价应用的信息模型质量评价模型,为今后该课题的系统深入研究提供基础性的模型借鉴.