基于BP、PCA-BP和PLS算法对城市降水量的预测研究

降水量预报对农业生产、城市经济和防控城市内涝等具有重要意义.本文应用BP神经网络、基于主成分分析的BP神经网络和偏最小二乘(PLS)算法建立了三种降水量预测模型.通过比较三种模型的MSE和MAE值,发现PLS模型的预测能力优于其它两种模型.在PLS模型中,采用PLS算法所提取主成分的因变量总方差比例为0.899,这就说明模型具有很好的稳定性和预测能力.通过对PLS模型进行分析,发现极端最低气温(X_1)、极端最高气温(X_2)、降水距平百分率(X_3)、平均气温(X_4)是影响城市降水量的主要因素,且降水量随着X_1、X_2、X_3、X_4的增大而增大.     

基于偏最小二乘的人脸年龄估计

人脸年龄估计是以人脸图片提取的图像特征为基础,用模式识别的相关模型和技术进行处理分析,自动判定人脸年龄的计算机视觉技术。通常情况下,人脸图像的特征维度过高,需要进行降维处理。主成分分析(PCA)是一种人脸年龄估计中常用的降维方法;但是作为无监督方法,PCA未考虑人脸的年龄信息,提取的主成分解释能力不足。针对这一问题,基于有监督的偏最小二乘(PLS)的降维方法可以提取出解释能力更好的低维空间。基于PLS的人脸年龄估计方法首先使用主动外观模型(AAM)进行特征提取,再采用PLS进行降维处理,最后通过支持向量回归(SVR)进行年龄估计。实验结果表明:基于PLS降维的年龄估计方法具有比基于PCA降维的方法更好的性能,在FG-NET人脸图像库上的年龄平均估计误差更小。     

PSO—SVR在果酒生物活性物质预测中的应用

针对BP神经网络和遗传算法对果酒生物活性物质预测存在速度慢和精度低的缺点,建立了基于支持向量回归机（SVR）的果酒生物活性物质预测模型。鉴于支持向量机模型的精度和泛化能力很大程度取决于不敏感损失系数ε、惩罚系数C和RBF核函数的宽度系数7三个参数,模型采用粒子群算法对三个参数同时进行优化,实现了果酒生物活性物质的非线性预测。仿真结果表明：基于PSO—SVR算法的果酒生物活性物质预测模型性能优于所比较的BP神经网络模型和支持向量回归机模型,能有效提高果酒生物活性物质的预测精度和稳定性。     

基于高光谱成像技术的马铃薯多种营养成分同时检测

利用高光谱成像技术对马铃薯淀粉、干物质、水分含量进行同时检测。采用多元散射校正方法(MSC)对原始光谱预处理,并通过竞争性自适应重加权算法(CARS)和连续投影算法(SPA)选择特征波长,分别建立两种特征波长下的偏最小二乘模型(PLS)和多元线性回归模型(MLR),并对比建模效果。结果表明,采用CARS选择的特征波长建模效果较好。淀粉的最优模型为CARS-MLR模型,其校正模型相关系数(RC)、校正模型的均方根误差(RMSEC)、预测模型的相关系数(RP)、预测模型的均方根误差(RMSEP)分别为0.965、0.376、0.950、0.361;干物质的最优模型为CARS-PLS模型,其RC、RMSEC、RP、RMSEP为0.954、0.386、0.947、0.383;水分的最优模型为CARS-PLS模型,其RC、RMSEC、RP、RMSEP为0.926、0.410、0.929、0.398。研究结果表明,CARS算法是一种有效的高光谱特征波长提取方法,利用CARS选择特征波长建立的预测模型可替代全波段建模。利用高光谱成像技术可以实现马铃薯多种营养成分同时检测。     

基于PCA - GRNN模型的新能源汽车月度销售量预测研究

为预测新能源汽车的月度销售量,提出了一种基于主成分分析(PCA)和广义回归神经网络(GRNN)相结合的预测模型——PCA - GRNN模型.首先,选取动力电池月份装车量、充电基础设施、电池级碳酸锂平均价格、交通和通信类居民消费价格指数、全国城镇调查失业率、汽车制造业工业生产者出厂价格指数等6个指标作为新能源汽车月度销售量的影响因子; 其次,利用主成分分析方法得到可代表6个影响因子的2个主成分,并利用Matlab神经网络工具箱的GRNN神经网络函数构建了广义回归神经网络模型; 最后,将2020—2022年间27个月度的统计数据分别输入到PCA - GRNN、PCA - BP和PCA - Elman模型中进行预测.结果显示, PCA - GRNN模型预测的新能源汽车月度销售量的平均相对误差(4.00%)低于PCA - BP模型和PCA - Elman模型预测的平均相对误差(分别为4.77%和4.29%),因此PCA - GRNN模型在预测新能源汽车销售量方面具有一定的实用性.     

PCA-BP神经网络在流域水质评价中的应用

针对BP神经网络法在进行多污染特征的流域水质评价时面临的训练样本、验证样本的稀缺问题,提出一种基于主成分分析PCA - BP神经网络的水质评价模型.首先利用污染分担率算法筛选出能够全面反映流域整体超标情况的一组水质指标,然后利用主成分方法获取流域水质污染特征,解决训练样本过少的问题,并通过设计模型的验证条件,解决没有验证样本的问题.通过实例研究,表明主成分PCA - BP神经网络适合用于流域的水质评价,评价结果较为精确、可信.     

一种基于RBF神经网络的非线性PCA故障检测方法

针对传统PCA(主元分析)故障诊断方法在非线性过程应用中存在的缺点,提出了一种基于RBF(径向基)神经网络的非线性PCA故障检测方法。首先,提出一个由两个RBF网络构成的非线性统计模型,其中第一个网络用于建立输入变量到主元的非线性映射,第二个网络实现逆映射来重构原始数据。其次,用主元曲线算法来解决网络训练数据的获取问题。最后,给出了使用基于RBF网络的非线性PCA方法进行故障检测的步骤,并通过一个三阶非线性系统的仿真实例验证了该方法的有效性。     

鸡蛋贮藏时间和新鲜度的电子鼻检测

研制一套适合鸡蛋品质的电子鼻系统,对不同贮藏方式和时间的鸡蛋进行检测,并采用主成分分析(PCA)、线性判别函数分析(LDA)和BP神经网络(BPNN)、遗传优化神经网络(GANN)等进行模式识别.结果发现,不同贮藏时间的鸡蛋所对应的电子鼻传感器响应特性不同.PCA和LDA结果表明,两者都可以较好地区分不同贮藏方式和时间的鸡蛋,采用LDA的效果比PCA的效果好;采用BP神经网络和遗传优化神经网络方法,能较好地预测不同贮藏时间的鸡蛋,其中遗传优化神经网络的判断正确率高于标准BP网络;利用二次回归分析(QPSR)建立鸡蛋新鲜度指标的预测模型,模型的预测值和测试值的相关系数大于0.90.     

基于主成分分析和人工神经网络的酒类辨识

介绍了人工嗅觉系统对不同酒类样本的定性识别,尝试利用主成分分析(PCA)和人工神经网络(ANN)中改进的BP算法、改进的RBF算法(最近邻RBF与k均值RBF相结合选取中心的算法)和k均值RBF算法,实现对酒类的定性识别.实验结果表明:结合PCA的ANN方式为模式识别、分类提供了快速准确的辨识方法.     

基于PCA的BP神经网络分类器

由于入侵检测处理的多为高维数据,为了提高入侵检测的效率和准确率,提出了一种基于主成分分析(PCA)的特征提取方法,对数据源进行特征降维,将获得的主成分作为BP神经网络的输入进行数据识别.同时介绍了M atlab中相关函数,并与传统入侵检测方法进行了比较.实验结果表明:基于主成分分析的特征提取方法在简化BP神经网络规模的同时,显著提高了入侵检测识别效果.